在计算机视觉（CV）中，数据增强是一种有效防止过拟合的方法，通过应用各种空间变换、色彩空间变换和引入噪声来扩充有限的图像数据集。常见的空间变换包括左右水平翻转、随机裁剪、尺度变换和旋转；色彩空间变换如color jittering，调整图像的亮度、饱和度和对比度；还有PCA jittering和添加高斯噪声、模糊处理等手段。这些技术能帮助模型在训练过程中增强泛化能力，提高最终性能。
Backto DLCV
data augmentation to boost the performance \text{data augmentation to boost the performance} data augmentation to boost the performance
CV模型通常都需要大量的图像数据集来训练，但是现实中可用的dataset 通常是很有限的。高质量的大规模数据集，通常由公司组织大量人力物力来标注，作为公司的核心资产，不会轻易 open source。使用 CV 技术解决一个新的领域问题（比如遥感图像检测森林火灾），甚至需要从 0 开始自己准备数据集。而数据集过小，极容易发生过拟合。
如何充分利用 有限的数据集，训练出最优的模型，达到满意的效果，是一门靠经验去积累的手艺。
data augmentation
最低0.47元/天 解锁文章
364
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
