图像增广

常用图像增广方法，主要有：左右翻转(上下翻转对于许多目标并不常用)，随即裁剪，变换颜色(亮度，对比度，饱和度和色调)。以mxnet为框架做实验，各大深度学习框架都有类似功能。
原图：

左右翻转，以一半概率实现将图像左右翻转：

随即裁剪，为了降低卷积层对目标位置的敏感度，比如猫不一定在图片的正中心，所以通过图像随机裁剪来让物体以不同比例出现在图像不同位置。其有一些超参数需要设置，如裁剪区域的高宽比的范围，裁剪的面积与原面积的比例。

变换颜色是为了降低模型对色彩的敏感度，也有一些超参数，如变化颜色的调节范围等。我们可以从四个方面改变图像的颜色：亮度，对比度，饱和度和色调。也可将上述四种方法同时使用

通常我们会把多个图像增广方法组合起来一起使用。

用原始的数据集进行图像增广时，每一个epoch由于上述的增广方法和超参数不是固定值，所以对原图像处理后得到用于训练的数据集都不同。因此有一定具有缓解过拟合的作用。