数据增强–Albumentations
- 分割数据增强
- 狭窄数据增强
Python深度学习之使用Albumentations对图像做增强 - 各种数据增强方式对比
Pytorch使用albumentations实现数据增强
数据增强的作用
- 分割需要在像素级别进行标签标注
- 一些专业领域的图像标注,依赖于专业人士的知识素养
- 在数据集规模很小的情况,如何提高模型的表现力
- 迁移学习:使得具有大量标注数据的源域帮助提升模型的训练效果
- 数据增强 学习到空间的不变形,像素级别的不变形特征都有限,利用平移,缩放,旋转,改变色调值等方法,让模型见过各种类型的数据,提高模型在测试数据上的判别力