【图像增广】

图像增广

使用的数据太少，会造成过拟合

使用的数据太多，需要大量收集数据

数据增多（图像增广）

在计算机视觉中，通常会对图像做一些随机的变化，产生相似但又不完全相同的样本。

主要作用

扩大训练数据集，抑制过拟合，提升模型的泛化能力。

常用方法

1. 随机改变亮暗、对比度和颜色等

2. 随机填充

3. 随机裁剪

4. 随机缩放

5. 随即翻转

随机改变亮度、对比度、颜色

随机在图像外围进行填充

随机裁剪

防止裁剪将目标物体裁没，所以要计算新裁剪的和原来的框之间的iou是不是太小了，如果裁剪出来的和之前的真实框iou都很小的话，说明裁剪出来的图片物体都不在了，需要重新裁剪一次。

（计算裁剪之后的真实框，如果裁的太偏了，则重新裁一次，直到裁剪出合适的新图片）

随机缩放

随即翻转

随机打乱真实框顺序

数据预处理

图像增广

批量读取和多线程加速

批量读取

获取图像尺寸，同一批次内的样本尺寸一致

将list形式的batch数据转化成多个array构成的tuple

把batch的形式转换成np.array的形式

多线程加速

使用paddle.reader.xmap_readers 实现多线程加速

数据预处理的流程

1. 查看数据集中的数据

2. 提取数据标注信息

3. 从文件读取图像和标注数据

4. 图像增广（数据增多）

5. 批量读取

6. 多线程加速