图像的数据增强
数据增强的方法主要有:
- 翻转变换 flip
- 随机修剪 random crop
- 色彩抖动 color jittering
- 平移变换 shift
- 尺度变换 scale
- 对比度变换 contrast
- 噪声扰动 noise
- 旋转变换/反射变换 Rotation/reflection 等等
训练模型根据所用框架可使用框架内部函数,TensorFlow中有着一个image模块专门用于处理图片数据的预处理https://blog.csdn.net/LoseInVain/article/details/81774840,torchvision.transforms是pytorch中的图像预处理包https://blog.csdn.net/u014380165/article/details/79167753
在目标检测训练模型时,除了对图像就数据增强外,还需要对bounding box做相应的转换
比较详细的目标检测数据增强,具体可详看此篇文章https://blog.csdn.net/mzpmzk/article/details/100161187
第三方图像增强库实现
库1,https://github.com/aleju/imgaug
库2(推荐使用