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
  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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