数据增强（图像）初探

最新推荐文章于 2024-11-27 15:34:52 发布
最新推荐文章于 2024-11-27 15:34:52 发布
阅读量1k 收藏 6
点赞数 1
分类专栏： Deep Learning Objects Detection PyTroch 文章标签： opencv 目标检测 深度学习 pytorch 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bashan1604/article/details/119760467
版权
本文探讨了数据增强在图像识别任务中的作用，特别是针对YOLOv5模型。通过实验，作者对比了多种图像增强技术，如旋转、色相饱和度调整、极射扭曲等，对模型性能的影响。实验结果显示，旋转、随机失活和仿射变换对目标检测的mAP@.5:.95指标有显著提升。经过进一步的训练和混合增强数据，证实了数据增强对于提高模型性能的有效性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

基于YOLOv5测试图像增强效果。由于发票提取数据仅有1k左右，和数据增强整体效果与各种增强方法效果的不确定性，通过实验确认图像增强效果与增强方法的选定。基本方法是将增强后的图片与标签直接混入原始图像与标签中进行实验。

图像增强方法如下：

  • Rotate：小角度旋转
  • AddToHueAndSaturation：同时更改色相和饱和度
  • WithPolarWarping：极射，类似写轮眼的神威，对图片进行扭曲
  • Dropout：随机失活
  • BlendAlpha：Alpha融合，不论是在3D还是2D中都常见，最常见的应用就是：设置图片的透明度，不透明度，可以实现抠图。
  • AdditiveGaussianNoise：加性高斯白噪声
    • 加性指的是叠加在某信号上
    • 高斯指的是概率分布里的正态分布函数
    • 白噪声指的是它的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性
    • 如果这个噪声的幅度服从高斯分布，功率谱密度又是均匀分布的，则称他为高斯白噪声
  • Multiply：改变亮度, 不影响bounding box
  • Affine：平移后缩放,会影响bounding box

实验思路：综合时间成本等因素，测试8种增加方法。将每一种增强方法与原始图像混合，形成8份增强数据与1份原始数据。对8份增强数据单独训练，比较训练结果，主要是mAP@.5:.95指标，统计优于原始图像的标签项。

在具体实验中的下表（共16个标签），当增强数据mAP@.5:.95>原始数据mAP&

最低0.47元/天 解锁文章
图像增强和数据增强
Jiashilin
05-08 2217
1.随机遮挡 2.horizontal flips 水平翻转 3. rotation 角度旋转 .... 深度学习中常用的数据增强方法？ Color Jittering：对颜色的数据增强：图像亮度、饱和度、对比度变化（此处对色彩抖动的理解不知是否得当）； PCA Jittering：首先按照RGB三个颜色通道计算均值和标准差，再在整个训练集上计算协方差矩...
数据增强
qq_33669204的博客
10-13 726
使用imgaug进行增强，项目地址：https://github.com/aleju/imgaug 由于在车牌识别中使用的增强方法有限，因此直接使用作者给的例子即可 https://imgaug.readthedocs.io/en/latest/source/examples_basics.html#a-standard-use-case import imgaug as ia from imga...
数据增强和图像增强和特征增强
最新发布
xioayanran123的博客
11-27 572
• 特征增强：是一种常用的数据处理方法，通过对原始数据进行一系列操作和变换，从而提取出更具代表性和区分性的特征，增强数据的表达能力和分类效果。特征增强的方法主要包括数据预处理、特征选择、特征提取和特征构建等步骤。• 数据增强：是指通过对原始数据进行一系列变换和处理，生成新的数据样本，以扩充训练数据集的方法。在深度学习领域，数据增强被广泛应用于图像分类、目标检测、语义分割等任务中，能够有效提升模型的泛化能力和鲁棒性。在深度学习和人工智能领域，图像增强技术主要用于数据增强，以提高模型的泛化能力和准确性。
opencv图像增强demo
CVAIDL的博客
09-26 1655
opencv图像增强demo https://blog.csdn.net/jacke121/article/details/54706279 #include <QCoreApplication> #include<opencv2/highgui/highgui.hpp> #include<opencv2/core/core.hpp> #include&l...
图像增强技术：从数据增强到图像质量提升
AI天才研究院
12-27 2385
1.背景介绍 图像增强技术是一种通过对原始图像进行处理，以改善其质量、提高其可读性和可视化效果的技术。图像增强技术在计算机视觉、人工智能和图像处理领域具有广泛的应用，包括图像分类、目标检测、对象识别、自动驾驶等。 在深度学习和人工智能领域，图像增强技术主要用于数据增强，以提高模型的泛化能力和准确性。数据增强是指通过对现有数据进行处理，生成新的数据样本，以增加训练数据集的规模和多样性。图像增强技...
数据增强2
whaosoft143ai的博客
01-16 771
数据增强通常是依赖从现有数据生成新的数据样本来人为地增加数据量的过程。这包括对数据进行不同方向的扰动处理或使用深度学习模型在原始数据的潜在空间(latent space)中生成新数据点从而人为的扩充新的数据集。这里我们需要区分两个概念，即增强数据和合成数据合成数据：指在不使用真实世界图像的情况下人工生成数据，合成数据可由GAN或者现如今大火的AGI技术产生； whaosoft aiot http://143ai.com
基于Matlab的图像预处理方法初探.pdf
07-10
基于 Matlab 的图像预处理方法初探孔莉（北京铁路电气化学校，北京102202）摘要：数字图像处理是随着计算机和微电子技术迅猛发展的一门新兴学科，而图像增强与平滑作为去除图像噪声的一项技术，是各种图像处理软件中...
基于空间教学的《图形图像处理》课程改革的初探.pdf
11-08
此外，教学资源的精细化管理，如将每个学习情境的课件、电子教案等细分成小单元，便于学生在集中注意力的时间段内完成学习，形成时间墙和知识墙，增强学习效果。 总的来说，基于空间教学的《图形图像处理》课程改革...
“Photoshop图形图像处理”课程碎片化教学改革初探.pdf
11-08
同时，利用现代信息技术，如社交媒体和在线学习平台，来增强教学的互动性和灵活性。这样，不仅可以提升教学效率，还能使学生更好地适应信息化时代的知识获取方式，提高他们的实际操作能力和问题解决能力。
基于深度学习的图像超分辨率重建应用初探.pdf
08-18
这一技术在很多领域都有广泛的应用，比如卫星图像增强、医学图像处理、视频增强等。超分辨率重建技术的发展，使得图像能够从检测水平提升到识别水平，甚至达到高精度的辨识水平，为计算机视觉领域带来突破性的进展。...
基于Python的图像数据增强Data Augmentation解析
01-20
1.1 简介 深层神经网络一般都需要大量的训练数据才能获得比较理想的结果。在数据量有限的情况下，可以通过数据增强（Data Augmentation）来增加训练样本的多样性， 提高模型鲁棒性，避免过拟合。 在计算机视觉中，典型的数据增强方法有翻转（Flip），旋转（Rotat ），缩放（Scale），随机裁剪或补零（Random Crop or Pad），色彩抖动（Color jittering），加噪声（Noise） 笔者在跟进视频及图像中的人体姿态检测和关键点追踪（Human Pose Estimatiion and Tracking in videos）的项目。因此本文的数据增强仅使用—
[AI数据]数据增强之路
计算机视觉
07-25 378
1.维度 位置增强(包括Scaling/Cropping/Flipping/Padding/Rotation/Translation/Affine transformation) 颜色增强(包括Brightness/Contrast/Saturation/Hue) 2.方法 2.1.imgaug法 2.1.1 旋转 import imageio import imgaug as ia import imgaug.augmenters as iaa import numpy as np i.
数据处理之数据增强
weixin_43999691的博客
06-04 2818
对于深度学习拿到数据时，有时候样本数据太少，这时候就需要增加数据，可以利用数据增强来做，数据增强可以有效减少过拟合，更好地使模型适用于新的样本，目的是增强模型的泛化能力。 如何进行数据增强？比如拿到一张图片，可以通过随机裁剪，旋转、缩放和水平翻转等操作来生成多张相似的图像，这样样本就增加了。 具体操作代码 ...
imgaug库图像增强指南（29）：iaa.Invert——RGB图像的颜色反转与细节探索
创作高质量博文，分享知识，共同进步！
01-18 1255
在本博客中，我们将向您详细介绍imgaug库的数据增强方法 —— **Invert方法**。
《动手学深度学习》图像增广（数据增强）
李谦的博客
02-25 2168
图像增广 图像增广（image augmentation）技术通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模。 其优点在于通过随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的泛化能力。 例如： 对图像进行不同方式的裁剪，使感兴趣的物体出现在不同位置，从而减轻模型对物体出现位置的依赖性。 可以调整亮度、色彩等因素来降低模型对色彩的敏感度。 常用...
imgaug数据增强库中常用的增强器
自在独行的博客
11-01 3394
Overview of Augmenters： https://imgaug.readthedocs.io/en/latest/source/overview_of_augmenters.html 1.augmenters.meta Sequential:列出的包含其他增强器的增强器按顺序和随机的应用。 SomeOf:列出的增强器只将其中的子部分应用到图像。 ##列出的包含其他增...
python图像增强工具imgaug
zephyr_wang的博客
07-22 1741
1.简介： https://github.com/aleju/imgaug imgaug是一个封装好的用来进行图像augmentation的python库 2.增强操作类型 Fliplr：水平翻转 Flipud：纵向翻转 CropAndPad：裁剪图片 Affine：变形操作 Superpixels：生成随机数量的超像素区域，对原图进行替换，直观效果是原图部分区域变得模糊 各种blur：模糊，对应几种滤波操作 sharp：字面意思，锐化 emboss：压印浮凸字体(或图案); 凹凸印 EdgeDetect：
Albumentations中一些函数的变化
qq_30061245的博客
08-08 1509
在使用albumentations提示有一些功能没法用，查看官方网文档时发现新版的一些功能的名字有所变化。 AttributeError: module 'albumentations' has no attribute 'IAAAdditiveGaussianNoise'
C#图像处理初探：灰度、浮雕与锐化技巧
对于学习C#数字图像处理，需要了解C#的基本语法，包括数据类型、控制流、类和对象等。 2. 数字图像处理基础：数字图像处理是指用计算机技术处理图像。常见的数字图像处理包括图像的获取、存储、显示、转换、恢复、...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值