数据增强_数据增强方法

1.图像增强方法1

• 参考代码

bethgelab/imagecorruptions​github.com

• 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。

图像增强方法2--google brain--构造超级大增强空间后搜索

• 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）

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。

• 增强效果

• 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。

3.图像增强方法3-mixup

4.图像增强方法4-label smoothing