Deep Learning -- 数据增强

时间：2017-10-11 12:49:21 阅读：172 评论：0 收藏：0 [点我收藏+]

数据增强

　　在图像的深度学习中，为了丰富图像训练集，更好的提取图像特征，泛化模型(防止模型过拟合)，一般都会对数据图像进行数据增强，数据增强，常用的方式，就是旋转图像，剪切图像，改变图像色差，扭曲图像特征，改变图像尺寸大小，增强图像噪音(一般使用高斯噪音)等，但需要注意，不要加入其它图像轮廓的噪音。在不同的任务背景下，我们可以通过图像的几何变换，使用一下一种或者多种组合数据增强变换来增加输入数据的量。

旋转|反射变换(Rotation/reflection)：随机旋转图像一定角度；改变图像的内容朝向；
翻转变换(flip)：沿这水平或者垂直方向翻转图像
缩放变换(zoom)：按照一定的比例放大或者缩小图像
平移变换(shift)：在图像平面上对图像以一定方式进行平移
数据增强的代码实现 

标签：平面输入输入数据 space ota 翻转水平 nbsp 内容

原文地址：http://www.cnblogs.com/fangpengchengbupter/p/7649627.html

踩

(0)

评论一句话评论（0）

分享档案

更多>

2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)

周排行