Tensorflow基础(必备TF框架知识)_6:数据增强

本文探讨了使用TensorFlow的tf.image库进行深度学习数据增强的方法,包括颜色扰动、裁剪/Pad、噪声/模糊、翻转/旋转、Draw Boxes以及标准化等操作。此外,还提到了其他增强技术如Mixup、Oversampling、锐化/浮雕/灰度、边界检测和超像素等,以提升模型的泛化能力。
摘要由CSDN通过智能技术生成

本文取材自imooc课程《Python3+TensorFlow打造人脸识别智能小程序》

tf.image库进行数据增强

  • 颜色扰动(亮度、对比度、HSV、RGB等)
  • 裁剪/Pad
  • 噪声/模糊
  • 翻转/旋转(空间几何变换/放射变换)
  • Draw Boxes
  • 标准化

其他数据增强的方法

  • Mixup
  • Oversampling
  • 锐化/浮雕/灰度
  • 边界检测
  • 超像素
  • 255-V
# 灰度
img_data = tf.image.rgb_to_grayscale(img_data)
# 亮度[-1, 1
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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