概述
2.10 数据增强
更多的数据或充足的数据对于计算机视觉任务是有帮助的。但当前CV的主要问题是无法得到充足的数据，或者说对于CV任务而言数据远远不够。数据增强是重要的帮助手段，常用的数据增强方法如下：
- 垂直镜像：左右翻转
- 随机裁剪：随机裁剪构成了很大一部分真实的图像，但也有可能随机裁剪的部分不含有目标，需要自行剔除。
- 旋转、剪切等扭曲变形和局部弯曲。实际中这种技巧较复杂，使用较少
- 颜色转换：给RGB三个通道加入不同的失真值
- 色调变化，可以产生不同的样本。
- 实践中，对RGB的变化是基于某些概率分布的，如PCA计算出哪些颜色成分较高，再进行颜色失真。
- AlexNet中称为PCA颜色增强，若PCA颜色增强算法对于图片中的成分较少的颜色增减很多，而主成分颜色变化较少。
- 10-crop：就是自己和镜像图像，裁剪四次。这是提高benchmark的一个技巧， 然后分类器对10个图像进行分类，对分类结果求平均，可能提高一点accuracy。这只是trick而已。
最后
以上就是自由缘分为你收集整理的吴恩达深度学习——第四课第二周《深度卷积网络：case study》2.10 数据增强的全部内容，希望文章能够帮你解决吴恩达深度学习——第四课第二周《深度卷积网络：case study》2.10 数据增强所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复