Dataset之DA：數(shù)據(jù)增強(Data Augmentation)的簡介、方法、案例應用之詳細攻略

?

?

?

目錄

DA的簡介

DA的方法

DA的案例應用

---

?

?

?

?

?

?

DA的簡介

? ? ? ?數(shù)據(jù)集增強主要是為了減少網(wǎng)絡的過擬合現(xiàn)象，通過對訓練圖片進行變換可以得到泛化能力更強的網(wǎng)絡，更好的適應應用場景。

?

1、數(shù)據(jù)增強常用的方法—特殊四法之對抗網(wǎng)絡模型

?

?

DA的方法

1、常用的數(shù)據(jù)增強方法有：

• 旋轉 | 反射變換(Rotation/reflection): 隨機旋轉圖像一定角度; 改變圖像內(nèi)容的朝向;
• 翻轉變換(flip): 沿著水平或者垂直方向翻轉圖像;
• 縮放變換(zoom): 按照一定的比例放大或者縮小圖像;
• 平移變換(shift): 在圖像平面上對圖像以一定方式進行平移;
• 可以采用隨機或人為定義的方式指定平移范圍和平移步長, 沿水平或豎直方向進行平移. 改變圖像內(nèi)容的位置;
• 尺度變換(scale): 對圖像按照指定的尺度因子, 進行放大或縮小; 或者參照SIFT特征提取思想, 利用指定的尺度因子對圖像濾波構造尺度空間. 改變圖像內(nèi)容的大小或模糊程度;
• 對比度變換(contrast): 在圖像的HSV顏色空間，改變飽和度S和V亮度分量，保持色調(diào)H不變. 對每個像素的S和V分量進行指數(shù)運算(指數(shù)因子在0.25到4之間), 增加光照變化;
• 噪聲擾動(noise): 對圖像的每個像素RGB進行隨機擾動, 常用的噪聲模式是椒鹽噪聲和高斯噪聲;
• 顏色變化：在圖像通道上添加隨機擾動。
• 輸入圖像隨機選擇一塊區(qū)域涂黑，參考《Random Erasing Data Augmentation》

?

?

?

?

DA的案例應用

1、圖片數(shù)據(jù)增強應用案例

Dataset之MNIST：MNIST(手寫數(shù)字圖片識別+ubyte.gz文件)數(shù)據(jù)集簡介、下載、使用方法(包括數(shù)據(jù)增強)之詳細攻略
Dataset之圖片數(shù)據(jù)增強：基于TF實現(xiàn)圖片數(shù)據(jù)增強(原始的訓練圖片reshaped_image→數(shù)據(jù)增強→distorted_image(訓練時直接使用）)
Dataset之圖片數(shù)據(jù)增強：設計自動生成汽車車牌圖片算法(cv2+PIL)根據(jù)指定七個字符自動生成逼真車牌圖片數(shù)據(jù)集(帶各種噪聲效果)
Dataset之圖片數(shù)據(jù)增強：設計自動生成(高級封裝之命令行解析實現(xiàn))汽車車牌圖片算法(cv2+PIL+argparse)根據(jù)隨機指定七個字符自動生成逼真車牌圖片數(shù)據(jù)集(帶各種噪聲效果)

Dataset之圖片數(shù)據(jù)增強：設計自動生成(高級封裝之命令行解析實現(xiàn))汽車車牌圖片算法(cv2+PIL+argparse)根據(jù)隨機指定七個字符生成逼真車牌圖片(自然場景+各噪效果+對應txt說明文檔)
Dataset之圖片數(shù)據(jù)增強：設計自動生成汽車車牌圖片算法(cv2+PIL)根據(jù)隨機指定七個字符生成逼真車牌圖片數(shù)據(jù)集(自然場景下+各種噪聲效果)可視化


?

?

?

總結

以上是生活随笔為你收集整理的Dataset之DA：数据增强(Data Augmentation)的简介、方法、案例应用之详细攻略的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。