深度学习中如何实现数据增强，扩大数据集

https://jingyan.baidu.com/article/4b52d702e6a167fc5c774bbb.html

深度学习算法需要大量的训练数据，而有时我们收集不到太多的数据源，那么为了扩大数据集，可以采用数据增强手段来增加样本。下面介绍几种数据增强手段。

工具/原料

• 图像处理工具
• 数据源图片

方法/步骤

1. 1

   第一种方法是采用随机裁剪，裁剪原图像中的一部分，比如裁剪四角、中心或者上下部分等等，但是裁剪的尺寸不宜过小，如下图所示；

   
2. 2

   第二种方法是翻转或者镜像，可以水平翻转，也可以垂直翻转，如图中所示；

   
3. 3

   第三种方法是旋转，可以把原图像旋转不同的角度来增加样本，如图所示；

   
4. 4

   第四种方法可以调节原图片亮度或对比度，变亮或变暗，增大对比度或减小对比度，如图中所示；

   
5. 5

   第五种方法是调节色度，改变R、G、B颜色分量的比例，如图中所示；

   
6. 6

   第六种方法可以调节图像的饱和度，所谓的饱和度,指的其实是色彩的纯度，纯度越高，表现越鲜明，纯度较低，表现则较黯淡，如图中所示；

   
7. 7

   还可以采用将图像进行高斯模糊、锐化、添加噪声以及转换成灰度图像等方法，如图中所示；

   
   END

经验内容仅供参考，如果您需解决具体问题(尤其法律、医学等领域)，建议您详细咨询相关领域专业人士。

作者声明：本篇经验系本人依照真实经历原创，未经许可，谢绝转载。

展开阅读全部