图像处理--数据增强

一、什么是数据增强
在机器学习训练过程中，经常会遇到数据量不足（即样本不够全面）从而导致训练出来的的模型泛华性能差的问题。此时通过人为的对数据进行扩充来生成更多种类（更加符合实际情况）的数据的技术就是数据增强。

数据增强的作用：
数据增强可以丰富训练数据的分布、提高模型的泛华性能和鲁棒性、防止过度拟合等作用。

二、数据增强分类
有监督数据增强：
（1）单样本数据增强
几何变换类：翻转，旋转，裁剪，变形，缩放等；
颜色变换类：噪声、模糊、颜色变换、擦除、填充等。
（2）多样本数据增强
SMOTE、SamplePairing、mixup 等。

无监督数据增强：
GAN、Autoaugmentation 等。

三、数据增强的实现
1、AutoAugment:
2、

四、参考文献
【1】深度学习中有哪些数据增强方法？
【2】如何使用 Google 的 AutoAugment 改进图像分类器
【3】Random Erasing：数据增强之随机擦除
【4】数据增强及实现