机器学习 - Data Augmentation 策略

Data Augmentation 策略

数据增强是提高模型性能和泛化能力的重要方法.

  • 随机调整 - Random resize
  • 平移 - Shift
  • 水平/垂直翻转 - Horizontal/Vertical flip
  • Rotation/Reflection 旋转/仿射变换
  • Noise - 高斯噪声,模糊处理

  • 颜色增强 - Color Augmentation,包括色彩饱和度、亮度和对比度等.

  • PCA Jittering

    首先,按照 RGB 三个颜色通道计算均值和方差,规范网络输入数据;

    然后,计算整个训练数据集的协方差矩阵,进行特征分解,得到特征向量和特征值,以作 PCA Jittering.

  • 随机图像插值 - Random Image Interpolation,主要是在图像裁剪和缩放时采用.

  • 裁剪采样 - Crop Sampling,从原始图像中缩放裁剪,得到网络输入. 常用有两种方式:

    • Scale Jittering,如 VGG 和 ResNet;

    • 尺度和长宽比增强变换 - Scale and aspect ratio augmentation,如 Google Inception 网络; 其缺点:随机选择 crop center 时,可能出现选择的区域不包含目标物体的区域.
      这里写图片描述

  • 监督数据增强 - Supervised Data Augmentation(SDA) (海康威视2016提出)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值