卷积神经网路调参--数据增强

数据增强：

和网络没有比较大的关系，而是在数据层面做处理。

比较常用的方法有：归一化、图像变换、色彩变换、多尺度。

归一化：

将数据归一化到一定的区间内，使网络更容易学习。

图像变换：

也就是为了使数据变多，方式有：对图像进行翻转、拉伸、裁剪、变形等。

色彩变换：

可以改变图像的对比度、亮度等。

多尺度：

就是将图像裁剪到不同大小。也就是使神经网络能够看到更多层面的图像信息，也能达到增加数据的效果。

eg：将某张图像缩减到256 * 256，之后裁剪224 * 224的块，其比例就是 224/256。多尺度可以是，将图像缩减为非 256 * 256的大小，然后用224采样。

程序实现：

1.  导入需要用到的数据包：

import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
from matplotlib.pyplot import imshow

2. 显示原始图片

name = './gugong.jpg' # 图片路径
img_string = tf.read_file(name) # read_file ：是将图片以字符串的形式进行读入
img_decoded = tf.image.decode_image(img_string) # 将 string 解析成一个图片
sess = tf.Session() # 启动进程
img_decoded_val = sess.run(img_decoded)
print(img_decoded_val.shape)
%matplotlib inline
# 在文档中显示图片
imshow(img_decoded_val)

结果：

对图像进行缩放

常用的缩放 API：
（1）tf.image.resize_area 

（2）tf.image.resize_bicubic ：

用二次线性插值法对图片进行缩放，就是当图片缩小的时候，是没有损失的，直接压缩图片即可；