【深度学习】目前几种热门的数据增强方法

目录

1）Mosaic增强

2）Mixup增强

3）Cutout增强

3）CutMix增强

---

前言

传统的镜像、旋转、缩放、调整亮度、对比度、高斯噪声这里不详细讲解。主要讲一下现在几种火爆的数据增强方式。

1）Mosaic增强

        将4张图片缩放，然后拼接到一起。

Mosaic增强的主要优点：

• 丰富数据集：随机使用4张图片，随机缩放，再随机分布进行拼接，大大丰富了检测数据集，特别是随机缩放增加了很多小目标，让网络的鲁棒性更好。
• 减少GPU：同时Mosaic增强训练时，可以直接计算4张图片的数据，使得Mini-batch大小并不需要很大，一个GPU就可以达到比较好的效果。
   

2）Mixup增强

        MixUp增强：将随机的两张样本按比例混合，分类的结果按比例分配；yolo_x采用Mosaic+MixUp的数据增强方式。

3）Cutout增强

        Cutout增强：随机的将样本中的部分区域cut掉，并且填充0像素值，分类的结果不变；

3）CutMix增强

        就是将一部分区域cut掉但不填充0像素而是随机填充训练集中的其他数据的区域像素值，分类结果按一定的比例分配;带Mix就是混合的意思，带Cut就是裁剪的意思。

上述三种数据增强的区别：

• cutout和cutmix就是填充区域像素值的区别；
• mixup和cutmix是混合两种样本方式上的区别：mixup是将两张图按比例进行插值来混合样本，cutmix是采用cut部分区域再补丁的形式去混合图像，不会有图像混合后不自然的情形