深度学习：1_常用的数据增强 Data Augmentation

本文详细介绍了深度学习中常见的数据增强方法，包括翻转、随机裁剪、色彩抖动等，通过实例展示了如何使用Python实现这些增强技术，以提高模型的泛化能力。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

深度学习中，通常需要对数据进行增强处理 Data Augmentaion，再训练数据。常用的数据增强方法有

1、翻转变换 flip（左右/上下）

2、随机修剪 random crop

3、色彩抖动 color jittering

4、平移变换 shift

5、尺度变换 scale

6、对比度变换 contrast

7、噪声扰动 noise

8、旋转变换/反射变换 Rotation/reflection

9、缩放 resize

python代码：

2、随机裁剪

# 随机裁剪图片
image = Image.open('./test.jpg')

img_width = image.size[0]
img_height = image.size[1]

if img_width < self.crop_window_size[0] or img_height < self.crop_window_size[1]:
   print("The crop window size is invalid")
   return
                
width_duration = img_width - self.crop_window_size[0]     # 宽度的范围
height_duration = img_height - self.crop_window_size[1]   # 高度的范围
width_start = np.random.randint(low=0, high=width_duration, size=1)[0]
height_start = np.random.randint(low=0, high=height_duration, size=1)[0]
crop_regin = (width_start, height_start, width_start +       
              self.crop_window_size[0],height_start + self.crop_window_size[1])

img_crop = image.crop(crop_regin)    # 随机裁剪后的图像

8、反转

img_rotate = img.transpose(Image.FLIP_LEFT_RIGHT)

9、缩放

img_resize = image.resize(self.crop_window_size)