训练数据不够怎么办？卷积神经网络数据扩充详解

最新推荐文章于 2025-07-07 10:18:50 发布

原创

最新推荐文章于 2025-07-07 10:18:50 发布 · 7.5k 阅读

18 ·

CC 4.0 BY-SA版权

文章标签：

#卷积神经网络

当面临训练数据不足的问题时，可以使用数据扩充技术，包括图像的水平、垂直翻转，旋转和添加高斯噪声等方法，以提高模型的泛化能力。本文通过QT+C+++OpenCV实现这一过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

扩充方法

在进行卷积神经网络计算时，很多情况下我们无法获得足够的数据，可以通过人工数据合成的方法进行扩充．本人的扩充方法如下：
　　具体为将原图像分别水平，竖直和水平竖直翻转扩充至原来的４倍；然后对获得图像分别－３０°，－１５°，１５°，３０°进行旋转扩充至原来的２０倍；然后随机添加高斯噪声扩充至原来的４０倍．
　　运行环境：ＱＴ＋Ｃ＋＋＋ＯＰＥＮＣＶ

代码

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace cv;
using namespace std;

void Resize(int i,cv::Mat image1);
void imageRotate(const cv::Mat &src,  double degree, const double scale,int i, float height, float width );
double generateGaussianNoise(double mu, double sigma);
Mat addGaussianNoise(Mat &srcImag,int i);

int main()
{
    //用void glob(String pattern, std::vector<String>& result, bool recursive = false);当recursive为false时，仅仅遍历指定文件夹内符合模式的文件，当recursive为true时，会同时遍历指定文件夹的子文件夹
    //pattern要绝对路径 其它测试有问题
    string pattern ="/home/li/shijuejiance/sample/train/