图像增强(Data Augmentation)缓解过拟合

为什么用图像增强：
  在深度学习中，为了避免出现过拟合（Overfitting），通常我们需要输入充足的数据量．若数据量比较小，我们可以对原有的图像数据进行几何变换，人为的扩大数据集，使模型在训练过程中可以学习到图像更多的特征，
  这就比如，在平时的学习中，如果对一种题型只用一种方法，那么在考试的时候如果题目出现变换，不容易得出答案，而我们使用图像增强，就相当于一道题目，我们好几种方法去解决，在考试的时候，无论考题怎么变换，我们都有足够的手段去解决它。

tensorflow中常用数据增强的API

1、改变图像的亮度

new_img=tf.image.adjust_brightness(img,0.5)  

函数解释：0.5 将对比度增强0.5倍 若为-0.5将对比度减弱0.5倍

2、随机调整图片的亮度

tf.image.random_brightness(img_data, max_delta=0.5)

函数解释：在[-max_delta, max_delta)的范围随机调整图片的亮度

3、调整图像的对比度

new_img= tf.image.adjust_contrast(img, -5)

函数解释：将图片的对比度-5 
tf.image.adjust_contrast(img_data, 5) 
函数解释：将图片的对比度+5

4、在[lower, upper]的范围随机调整图的对比度

new_img = tf.image.random_contrast(data_aug_2,lower=0.2,upper=1.8)

函数的作用：在[0.2, 1.8]的范围随机调整图的对比度

5、调整图像的将图片的饱和度

adjusted = tf.image.adjust_saturation(img_data, -5)

函数作用：将图片的饱和度-5

6、随机调整图像的饱和度

new_img= tf.image.random_saturation(img_data, 0, 5)

函数作用：在[lower, upper]的范围随机调整图的饱和度

7、调整图像的色相

new_img= tf.image.adjust_hue(img, 0.1)

函数的作用：调整图片的色相

8、随机调整图像的色相

new_img= tf.image.random_hue(img_data, 0.5)

函数作用：在[-max_delta, max_delta]的范围随机调整图片的色相。
max_delta的取值在[0, 0.5]之间。

9、对图像数据进行标准化

 new_img= tf.image.per_image_standardization(new_img)

函数作用：将代表一张图片的三维矩阵中的数字均值变为0，方差变为1

10、随机翻转

 new_img= tf.image.random_flip_left_right(x_single_image)

函数解释：将图片随机反转任意角度