1.图像增强方法1
![a6081a21554bfafb2dff0aa896879abc.png](https://i-blog.csdnimg.cn/blog_migrate/114b65c0ce788357daf8f5886cb9bf0c.jpeg)
- 参考代码
![d2275efc1c38fe5b26338e6affe67ec3.png](https://i-blog.csdnimg.cn/blog_migrate/b3acb77abddc76d0b3350108449e4d47.jpeg)
- 增广方法
很多很有效的数据损坏方法,可以用于数据增强来提高模型的鲁棒性
corruption_tuple = (gaussian_noise, shot_noise, impulse_noise, defocus_blur,
glass_blur, motion_blur, zoom_blur, snow, frost, fog,
brightness, contrast, elastic_transform, pixelate,
jpeg_compression, speckle_noise, gaussian_blur, spatter,
saturate)
- 增广效果
每种增广方法可以设置5种不同等级,由轻微到严重,代码在自己数据集的增强效果如下。
![49cd548d2fbbad8de6a48ed995bb57ae.png](https://i-blog.csdnimg.cn/blog_migrate/5ceeefd20ea044fcf74bb8cb8b4230aa.jpeg)
图像增强方法2--google brain--构造超级大增强空间后搜索
![ae823ec16a643a8dc32d545376d61f86.png](https://i-blog.csdnimg.cn/blog_migrate/991fb77df9fdcff713d86e4b40d4444d.jpeg)
- 参考代码
实现后后面放出
- 增广方法
1.文章中从色彩变换、图像几何变换、bbox内变换三个维度设计了22种不同的数据增强方法,增强效果如下图所示,每种变换方式定义三个参数:(变换标识符,概率,强度)
![54847d681558f15f5d54203e065d4c2e.png](https://i-blog.csdnimg.cn/blog_migrate/5e0f9f67fc2bf6ef5f1a479411130106.jpeg)
2.定义了一个巨大的搜索空间,22种方法中每种方法的概率和强度都有6个等级,然后定义了5个子策略,每次每个mini-batch从这个子策略进行随机选1个子策略。方法的关键是通过NAS的思想,从构造的巨大的搜索空间中寻找有价值的数据增强方法。
![4fc0498a98271089d9eaf8cf4b1549b2.png](https://i-blog.csdnimg.cn/blog_migrate/37c2335557ac298e983a063d13dd3682.jpeg)
- 增强效果
![1114042ff89a424fba1e6b79c63b1b0b.png](https://i-blog.csdnimg.cn/blog_migrate/6748bfe599f46bfee9e2d3dd89b5f9ac.jpeg)
- 启发
1.文章中基本的22种数据增强方法可以根据自己的需要应用到实际的工程任务中,后面补充代码在自己数据集的增强效果。