数据增强（Data augmentation）

增加训练数据，则能够提升算法的准确率，因为这样可以避免过拟合，而避免过拟合就可以增大网络结构。当训练数据有限的时候，可以通过一些变换从已有的训练数据中生成一些新的数据，来扩大训练数据。数据增强的方法有：

1） 水平翻转（旋转）

2）随机裁剪（crop采样） 原始大小256*256可以随机剪切除一些224*224的图像

3）fancy PCA

4）样本不均衡

样本不均衡即有些类别图像特别多，有些特别少。类别处理不平衡数据的处理：Label shuffle

5)其他

平移变换

旋转/仿射变换

高斯噪声/模糊处理

对颜色的数据增强：图像增亮、饱和度、对比度变化

6）训练和测试要协调

通常做数据增强在训练的时候，测试很少做数据增强。不过多尺度的训练和多尺度的测试效果可能更好。