9、图像增强：分类与分割的Python实现

图像增强：分类与分割的Python实现

图像分类的增强方法

图像增强在深度学习中是一种重要的技术，它可以通过增加训练图像的数量来减少或消除过拟合问题。Pluto在图像分类的增强中，将过滤器分为几何变换、光度变换和随机擦除，以便更好地管理图像过滤器。

过滤器组合的力量

图像增强的强大之处在于可以在一个数据集中组合多个图像过滤器。例如，水平翻转过滤器默认概率为50%，这会使图像数量增加一半。当随机裁剪和填充结合使用，填充模式为3时，图像数量会进一步增加。公式如下：
- 水平翻转后图像总数： total_flip = image_size + (0.5 * image_size)
- 随机裁剪和填充后图像总数： total_2_combine = total_flip + (3 * (image_size + (0.5 * image_size)) + (image_size * random_croping_factor)) ，其中 random_croping_factor 在0到安全裁剪值（小于1.0）之间。

真实世界图像数据集

Pluto选取了六个真实世界的图像数据集，每个数据集都有不同的主题和目标：
| 数据集名称 | 内容 | 目标 |
| — | — | — |
| Covid - 19 | 人们的胸部X光图像 | 预测是否为Covid - 19、病毒性肺炎或正常 |
| People | 普通人的照片 | 可能用于年龄、性别、种族、情感和面部识别分类 |
| Fun