gan 总结 数据增强_深度学习中的数据增强(下)

本文介绍了无监督数据增强方法,包括GAN生成数据及其在图像生成中的应用,以及AutoAugment如何通过强化学习寻找最佳图像变换策略。GAN通过学习数据分布生成图像,而AutoAugment则根据任务学习特定的增强策略。这两种方法都能有效提高模型的泛化能力。
摘要由CSDN通过智能技术生成

150839328_1_20181230085022607.jpeg

言有三

毕业于中国科学院,计算机视觉方向从业者,有三工作室等创始人

编辑 | 言有三

今天带来深度学习中的数据增强方法的下篇。我们将从以下几个方向入手。1,介绍一下什么是无监督的数据增强方法。2,简单介绍一下GAN生成数据的应用。3,介绍一下AutoAugment为代表的网络自动学习数据增强策略的方法。4,总结。

00

什么是无监督数据增强方法

我们先看看什么是有监督的数据增强方法。它指的是生成的图片,是在已有的图片上直接做简单的几何变换,像素变化,或者简单的图片融合,如下。

150839328_2_20181230085022825.jpeg150839328_3_20181230085022919.jpeg

上面的增强方法,都是由使用者完全定义的。然而,不是所有的任务都适合所有的数据增强方法。

比如数字识别,就不适合做旋转。不然,9和6就分不开了。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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