深度学习中常用的数据增强技巧主要包括:
一、翻转
对图像随机水平翻转或者垂直翻转。
二、裁剪
对图像随机裁剪一部分后再缩放回原始大小。
三、加噪声
对图像添加随机高斯噪声、胡椒噪声等。
四、改变亮度
随机调整图像的亮度、对比度。
五、旋转
对图像进行随机的旋转变换。
六、缩放
对图像进行随机的缩放。
七、仿射变换
对图像进行随机的剪切、拉伸等仿射变换。
八、堆叠
对相同对象的多张图像进行堆叠合成一张。
九、色彩抖动
对图像的色彩空间的参数进行随机变换。
总的来说,这些数据增强技巧可以:
- 扩充训练数据
- 提升模型鲁棒性
- 防止过拟合
具体来说:
- 产生多种变换后的图像
- 模型学习不变的特征
- 减少依赖单一图像
这有效实现了正则化的效果。数据增强是深度学习必须进行的数据预处理。