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。