若增加训练数据，则能够提升算法的准确率，因为这样可以避免过拟合，更好地泛化；而避免了过拟合你就可以增大你的网络结构了。
可以大量使用数据增广。

1）几何变换

包括：弹性变换（Elastic Transform）、透视变换（Perspective Transform）、分段仿射变换（Piecewise Affine transforms）、枕形畸变（Pincushion Distortion）。

a）随机改变大小（resize）,随机缩放、旋转、翻转

b）从原始图像（256,256）中，随机的crop出一些图像（224,224）
作者说，不做随机crop，大型网络基本都过拟合(under substantial overfitting)。
先crop，后padding再resize，这样输入图片会保持长宽比。我们做过类似的实验，抠图直接resize到输入尺寸，这样图片会损失长宽比，结果会差一点。然后，我们会先做加入Random scales，把框进行随机扩大或者缩小。

c）水平/竖直翻转，flip。mirror，即水平翻转图像。

transform_param { 
# 测试的时候就不做镜像了
    mirror: false
    crop_size: 227
    mean_file: ""ilsvrc12/imagenet_mean.binaryproto""
}

       
       
       
       
       
       
       
       
        
        
        
        1
        
        
        
        2
        
        
        
        3
        
        
        
        4
        
        
        
        5
        
        
        
        6

d）Rotation变换/旋转变换
目前主流的处理方式rotate负30度到正30度，这次我们用的是负45度到正45度。这个Rotation一般来说会有提升但是不会很大，主要是用在一些比较极端的情况下，比如人是斜着的。
在后面做实验的时候，发现了另外一种思路：直接把人旋转，检测出人的头，或某个部位之后，按照一定的角度把人转正。

2）加噪声

对主成分做一个(0, 0.1)的高斯扰动。

3）PCA Jittering（颜色改变）

最早是由Alex在他2012年赢得的ImageNet竞赛的那篇NIPS中提出的。
a）首先按照RGB三个颜色通道计算均值和标准差，对网络的输入数据进行规范化，
b）随后我们在整个训练集上计算了协方差矩阵，进行特征分解，得到特征向量和特征值，用来做PCA Jittering。
对RGB空间做PCA，然后对主成分做一个(0, 0.1)的高斯扰动。结果让错误率又下降了1%。

4）对比度和亮度

给图像增加一些随机的光照；
对比度受限自适应直方图均衡化算法（Clahe），锐化（Sharpen），凸点（Emboss）；

5）随机色相、饱和度、明度（HSV）变换

6）彩图到灰度转换（Color to Gray）

7）将灰度图重新映射到随机颜色的图像中

8）模糊（Blur）、一般模糊（Median Blur）、非常模糊（Motion Blur）

9）通道重排

由于数据的天然性，这一点非常重要

10）图像上细胞核的复制？

这样就创造了大量重叠的细胞核，似乎有助于网络更好地学到重叠细胞核的边界。

发表评论添加代码片 HTML/XML objective-c Ruby PHP C C++ JavaScript Python Java CSS SQL 其它还能输入1000个字符

机器学习教程 Objective-C培训交互设计视频教程颜色模型设计制作学习 mysql关联查询两次本表 native底部 react extjs glyph 图标云计算数据数据培训数据扩充和数据预处理 - Z199448Y的博客 - CSDN博客 4-18 数据预处理--数据扩增/Data Augmentation/图像增强 12-03 阅读数 700 ...博文来自: wydbyxr的博客数据预处理的步骤 05-24 阅读数 1439 博文 ... 数据预处理--克服数据不平衡 - wydbyxr的博客 - CSDN博客 5-10 方法:使用数据扩增,并进行过采样。先观察训练样本中的一些图像,这些图像...data augmentation 数据增强方法总结 03-07 阅读数 2万+ 1、问题描述收集... 没有更多推荐了，返回首页

数据预处理--数据扩增

数据预处理--数据扩增/Data Augmentation/图像增强

1）几何变换

2）加噪声

3）PCA Jittering（颜色改变）

4）对比度和亮度

5）随机色相、饱和度、明度（HSV）变换

6）彩图到灰度转换（Color to Gray）

7）将灰度图重新映射到随机颜色的图像中

8）模糊（Blur）、一般模糊（Median Blur）、非常模糊（Motion Blur）

9）通道重排

10）图像上细胞核的复制？

数据扩增 data-augmentation的方法及代码

python实现图像数据扩增

数据扩增方法 Data Augmentation

图像识别实验过程（二）图像数据集的扩展

data augmentation 数据增强方法总结

数据扩增

目标检测数据扩增

深度学习中的数据扩增方法

OCR -- 训练数据扩增的方法

深入浅出Spring Data JPA

深度学习-目标检测-数据扩增

在caffe中添加样本扩增的功能

keras入门 --- Data augmentation(数据扩充)

扩增样本

Data Augmentation（数据扩充）

OpenCV：Adaboost训练时数据扩增

深度学习--数据增强

深度学习_数据扩充学习

正则化方法：L1和L2 regularization、数据集扩增、dropout

Matlab样本增加

[深度学习] 增加样本——弹性变换算法实现

Keras Image Data Augmentation 各参数详解

【DeepLearning】深度学习上的图像增广（image augmentation）

神经网络优化方法（避免过拟合，提高模型泛化性）

data augmentation

PCA变换和2DPCA变换区别在哪里？

【转载】常用数据增强方法总结及实现

【方法】数据增强(Data Augmentation)

关于深度学习训练的硬件配置

数据增强相关总结

【卷积神经网络-进化史】从LeNet到AlexNet

【转】data augmentation 数据增强方法总结

data augmentation 总结

Data Augmentation的几种常用方法总结

CNN数据增强(1)

训练过程--测试时增强（test time augmentation, TTA）

DL开源框架Caffe | 模型微调 （finetune）的场景、问题、技巧以及解决方案

机器学习中图像增强的方法

优化：深度神经网络Tricks【笔记】

数据增强及预处理

Data augmentation 数据增强

trick—Data Augmentation -- 基于海康威视经验

sqlserver中表值函数的常用方法技巧有哪些？

深度学习你不可不知的技巧（上）

深度学习之数据预处理

数据预处理--数据扩增/Data Augmentation/图像增强 - w..._CSDN博客

数据扩增 data-augmentation的方法及代码 - duanshao的..._CSDN博客

深度学习训练中为什么要将图片随机剪裁（random crop）

数据增强——Keras Image Data Augmentation 各参数详解

优化：微调Finetuning

深度学习中的数据增强（data augmentation）

优化：数据增强

第五章（1.7）深度学习——常用的八种神经网络性能调优方案

人脸检测工具face_recognition的安装与应用

DM368开发 -- 编码并实时播放

python图片处理类之~PIL.Image模块(ios android icon图标自动生成处理)

【小程序】微信小程序开发实践

jquery/js实现一个网页同时调用多个倒计时(最新的)

环信(Android)设置头像和昵称的方法（最简单暴力的基于环信demo的集成）。

Java调用Shell命令和脚本

用jvisualvm分析dump文件

jni中arm64-v8a，armeabi-v7a,armeabi文件夹的意义和用法

微信支付V3微信公众号支付PHP教程(thinkPHP5公众号支付)/JSSDK的使用

DataTables 的 实例 《一》

mybatis一级缓存(session cache)引发的问题

fragment清除页面数据（重新加载布局）

linux上安装Docker(非常简单的安装方法)

讯飞语音 20006 错误,已解决

DL开源框架Caffe | 模型微调（finetune）的场景、问题、技巧以及解决方案

DataTables 的实例《一》