用于深度学习的数据增强

Question

我正在使用CNN进行杂草检测。我现在有2节课，每节课有18张图片。我可以应用数据增强方法来增加数据集以使用CNN吗？那么多少数据就足够了呢？

另外，我可以将哪些方法与CNN进行比较，以显示CNN比其他方法更好的性能？

Answer 1

通常情况下，如果你想使用直接的深度学习，你计划按类(http://www.deeplearningbook.org/)拥有5.000张图像。您可以通过使用微调(中等样本数~1000)或转移学习(低样本数~100)来减少此数量。这些都是在使用增强之前的数字。

当然，您可以使用扩充来增加数据集的有效大小，但这并不等于至少有100个图像。深度学习是非常数据密集型的，因此不适合18张图像。

其他方法大多是手工制作的。你可以做一些类似于hog特征的事情，并使用任何其他类型的ML技术作为分类，比如SVM/Boosting/ kind /等等。

Answer 2

• 只有18张图像CNN会工作得很好，但不会取得出色的效果
• 有18张图片的CNN有机会过拟合训练数据所以你会使用哪种CNN模型可能会很棘手
• 我建议使用HOG+SVM来解决这个问题，它们会表现得非常好
• 但是如果你使用数据增强，那么是的，你的CNN将会表现出色<

>H19你可以使用<代码>C10，这将为你生成数据。您只需指定要生成多少张图像，您也可以翻转18张图像并旋转图像，并自行将图像转换为增强数据

• 要获得更复杂的图像增强功能，请参阅此