数据增强Data Augmentation
数据增强的目的
增大训练数据量能持续提升模型的性能
- 获取更多数据 - 人工标注数据
- 合成更多数据 - 数据增强
对于图像数据，可通过图像变换来扩充数据量
- 图像平移
- 旋转
- 缩放
- 翻转
- 裁剪
- 添加图像噪声
通过GAN（生成对抗网络）生成图像来扩充数据量。
图像变换示例
shear：裁剪
scale：尺度变换
rotate：旋转
图像数据增强方式总结
| 英文名 | 中文名 |
|---|---|
| Random Horizontal Flip | 随机水平翻转 |
| Random Crop | 随机裁切 |
| Random Sized Crop | 随机尺寸裁切 |
| Random Rotation | 随机旋转 |
| Gaussian Noise | 高斯噪声 |
| Gaussian Noise per Channel | 单个通道随机高斯噪声 |
| Random Grayscale | 随机灰度 |
| Random Lighting | 随机照度 |
| Multiply | 倍增 |
| Multiply per Channel | 每通道倍增 |
| Add Hue and Saturation | 添加色调和饱和度 |
| Add | 加 |
| Add per Channel | 每个通道加 |
| Contrast Normalization | 对比度归一化 |
| Contrast Normalization | 每个通道对比度归一化 |