5、图像数据增强与迁移学习实战

图像数据增强与迁移学习实战

1. 图像数据增强

在处理图像数据时，为了让神经网络更好地学习和泛化，我们可以使用仿射变换生成额外的数据。主要使用的变换包括旋转、平移、缩放和反射。

• 旋转 ：通过旋转矩阵对图像进行旋转，旋转角度为 $\theta$ 。在旋转时，平移向量 $b$ 通常为零，但也可以选择非零的 $b$ 实现旋转后再平移。
• 平移 ：平移的仿射变换矩阵是单位矩阵，平移向量 $b$ 有非零值。例如，垂直方向平移 5 个像素，水平方向平移 3 个像素，可使用 $b = [5 3]^T$ 。
• 缩放 ：使用对角矩阵进行缩放，$S_v$ 表示垂直方向的缩放因子，$S_h$ 表示水平方向的缩放因子。也可以在缩放后进行平移。
• 反射 ：通过变换矩阵 $T$ 实现关于与水平方向成 $\theta$ 角的直线的反射。

以下是使用 keras 的 ImageDataGenerator 进行数据增强的代码示例：

datagen = ImageDataGenerator(
    horizontal_flip = True,
    vertical_flip = True,
    width_shift_range = 0.1,
    height_shift_range = 0.1,
    channe