图像增广--翻转 裁剪和变化颜色

 

目录

前言

常用的图像增广方法

1.翻转和裁剪

 2. 变化颜色

3. 叠加多个图像增广方法 

总结

---

前言

在“深度卷积神经网络（AlexNet）”中，大规模数据集是成功应用深度神经网络的前提。图像增广（image augmentation）技术通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模。图像增广的另一种解释是，随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的泛化能力。例如，我们可以对图像进行不同方式的裁剪，使感兴趣的物体出现在不同位置，从而减轻模型对物体出现位置的依赖性。我们也可以调整亮度、色彩等因素来降低模型对色彩的敏感度。

---

常用的图像增广方法

翻转和裁剪,变化颜色

首先导入实验所需的包或模块

import d2lzh as d2l
import mxnet as mx
from mxnet import autograd, gluon, image, init, nd
from mxnet.gluon import data as gdata, loss as gloss, utils as gutils
import sys
import time

读取一张形状为400×500（高和宽分别为400像素和500像素）的图像

d2l.set_figsize()

img = image.imread(r'D:\Desktop\ai.jpg')

d2l.plt.imshow(img.asnumpy())

定义绘图函数show_images</