训练技巧之数据增强（data augmentation）

YouTube视频

我们在训练数据之前，需要先对输入数据进行预处理，其中数据增强就是预处理过程中的一个手段，即通过这样的方式能够使得输入数据成倍的增长。
为什么要做数据增强
因为在深度学习领域，更多的数据能够使得我们的模型更稳健，不太容易发生过拟合的现象，而有些时候我们并不能收集到足够多的原始数据。

什么是数据增强
对于图片来说，数据增强的本质是要对输入图像的像素点的分布、值的大小做一些根本性的变化，但是在变换的同时，需要保证图像的label值是不变的。
数据增强的方式

1、水平翻转
是数据增强过程中的最常用的手段，因为对计算机来说，图片的像素值发生了根本性的变化；

2、随机裁剪/缩放
crops的作用：一张图片被裁剪成很多部分之后放进模型进行训练，可以很好地训练模型，增加模型的稳健性，因为我们在测试的时候会有光照、遮挡等问题的出现，如果没有这些数据的训练，可能模型无法对物体进行正确分类和识别等。
scale：将图片进行放大和缩小。

3、translation：将某个物体进行平移；
4、rotation：进行角度变换；
5、stretch：拉伸；
6、shear：修剪
综上，在实际应用中，这以上部分是一起进行的，让计算机自己去进行一些随机的操作。比如，给定translation的变换幅度在[-10,10]，rotation的变换幅度在[-15°，15°]等，让计算机自己在这些范围内随机组合。