【读书笔记】解析深度学习：CNN原理与视觉实践

0 作者要说的话

这是小编的处女作，第一次上手写知识博客，希望以后自己每天进步一点点！
本文基于 魏秀参的《解析深度学习：卷积神经网络原理与视觉实践》 整理而成，算是一种知识积累，很多内容不会详细展开，如果有用到的内容可以再详细查，愿有所获。

1 数据扩充

深度网络需要海量数据来驱动训练，而实际上数据是稀缺的难以达到海量的程度，因此数据扩充就十分重要。有效的数据扩充不断可以扩充样本数量，而且可以增加样本多样性。这里整理几种常用且有效的数据扩充技巧。

1.1 简单方式

图像水平翻转
随机抠取
尺度变换（scaling）
旋转（rotating）
色彩抖动（color jittering）

1.2 特殊方式

1.2.1 Fancy PCA

首先对所有训练数据的R/G/B像素值进行主成分分析（PCA），得到对应的特征向量和特征值；然后根据特征向量$p_i$和特征值${\gamma }_i$计算一组随机值[$p_1$,$p_2$,$p_3$][${\alpha }_1{\gamma }_1$,${\alpha }_2{\gamma }_2$,${\alpha }_3{\gamma }_3$，将其作为扰动加到原像素值中。（其中${\alpha }_i$