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