计算机视觉-学习系列-真的是会连载的

第一章

图像增广

我们都知道数据集对于深度学习来说是最重要的,但是获取想要的数据集的难度的很大的,一种是去大型数据集网站去找数据什么COCO ImgNet等,但往往找不到想要的数据集,那就要自己去制作自己去制作要花很大的时间,当然花钱找人弄也是个办法,一次两次就算了,很多次,钱也不够啊.
这时候就推荐图像增广这个方法了,通过对训练图像进行一系列裁剪,调整位置例如旋转等方式,降低亮度和颜色,生成一系列相似不相同的训练样本, 这种做法不仅可以增加样本,还可以减少模型对于某一些属性的依赖,提高整个模型的泛化能力。

小结语:当然大家现在也有别的解决方案那就是小样本学习few shot learning 或零样本学习 zero shot learning 通过提供语义的方式来让每个类仅只有几个样本的模型也可以在实际中应用的很好。但是这种方法目前还在发展中,不是特别的成熟。