数据增强增广方法及实现

数据增强（增广）

在进行图像分类或者检测时候，如果数据量比较少的情况下，可以对已有的图像数据进行一些处理来扩充数据集大小。

分类

对于图像分类而言，可以有的操作有翻转，随机裁剪，随机亮度变化，随机对比度变化，随机旋转等，而标签保持不变；

在tensorflow中有一些封装好的处理函数，比如在cifar10_input.py中就有使用到如下几个：

• tf.image.random_crop: 对图像随机裁剪
• tf.image.random_flip_left_right:随机左右翻转
• tf.image_random_brightness: 随机亮度变化
• tf.image_random_contrast:随机对比度变化
• tf.image_per_image_standardization: 减去均值像素，并除以像素方差（图片标准化）

  height = IMAGE_SIZE
  width = IMAGE_SIZE

  # Image processing for training the network. Note the many random
  # distortions applied to the image.

  # Randomly crop a [height, width] section of the image.
  distorted_image = tf.random_crop(reshaped_image, [height, width, 3])

  # Randomly flip the image horizontally.
  distorted_image = tf.image.random_flip_left_right(distorted_image)

  # Because these operations are not commutative, consider randomizing
  # the order their operation.
  distorted_image = tf.image.random_brightness(distorted_image,
                                               max_delta=63)
  distorted_image = tf.image.random_contrast(distorted_image,
                                             lower=0.2, upper=1.8)

  # Subtract off the mean and divide by the variance of the pixels.
  float_image = tf.image.per_image_standardization(distorted_image)

检测

对于检测而言，涉及到旋转操作到，要注意标签的改变。其他操作等标签基本上保持一致即可。