Data augmentation数据增强

Mirroring(镜像翻转)：最简单的数据增强方式

Random Cropping(随机裁剪): 随机裁剪并不是一种完美的数据增强方式。存在随机裁剪下那块看起来不像猫的图片的可能性，但是实际随机裁剪效果还不错，只要随机裁剪的部分占原图片的相当大一部分即可。

Rotation(旋转)

Shearing(剪切)

Local warping(局部弯曲)

Color shifting(色彩变化): 改变图片RGB通道的各个通道的数值，即在红绿蓝通道上做一些干扰。因此通过引入颜色干扰或是色彩变化，使得你的学习算法在应对图像色彩变化时健壮性更好。

有不同的方式来采样红绿蓝通道值，其中一种色彩干扰的算法被称为PCA，即主成成分分析，此算法的细节在AlexNet论文中也有描述，有时也被称为PCA色彩增强。其主要是保持整体和之前相同的着色，增加和减少颜色深度。

同其他训练深度神经网络模块一样，数据增强也有一些超参数，例如需要实现多大程度的色彩变化和具体用什么参数来做随机裁剪，所以同计算机视觉的其他部分一样，直接用其他人用到的数据增强的开源实现，也许是一个很好的开始。