图像增强和数据增强

1.随机遮挡

2.horizontal flips 水平翻转 

3. rotation  角度旋转

....

深度学习中常用的数据增强方法？

 

• Color Jittering：对颜色的数据增强：图像亮度、饱和度、对比度变化（此处对色彩抖动的理解不知是否得当）；

• PCA Jittering：首先按照RGB三个颜色通道计算均值和标准差，再在整个训练集上计算协方差矩阵，进行特征分解，得到特征向量和特征值，用来做PCA Jittering；

• Random Scale：尺度变换；

• Random Crop：采用随机图像差值方式，对图像进行裁剪、缩放；包括Scale Jittering方法（VGG及ResNet模型使用）或者尺度和长宽比增强变换；

• Horizontal/Vertical Flip：水平/垂直翻转；

• Shift：平移变换；

• Rotation/Reflection：旋转/仿射变换；

• Noise：高斯噪声、模糊处理；

• Label Shuffle：类别不平衡数据的增广；