百面机器学习(三)：图像数据不足时的处理方法

1：图像分类任务中，训练数据不足会带来什么问题？

过拟合，模型在训练数据上表现良好，但在测试集性能上表现不足。

2：如何缓解数据不足带来的(过拟合)问题？

1：从模型角度：可以简化模型；添加正则项以减少训练模型时的假设空间；集成学习；Dropout超参数等。
2：从数据角度：对图像数据进行翻转、剪切、缩放、填充、平移等；对数据加入一定的噪声形成新的数据；颜色变换：在图像RGB颜色空间上进行主成分分析；改变图像的亮度、清晰度、对比度等；对数据在特征空间上进行某种变换(结合SMOTE技术)；生成对抗网络生成新数据；迁移学习、小样本学习技术。