数据增强-是否需要转移？

Question

我可以理解数据增强的力量，以及旋转、翻转、归一化等不同的数据增强方法。

是否真的需要在图像周围移动对象？卷积的结果会有所不同吗？

Answer 1

如果您确定测试数据中的图像始终居中，则可能不需要移动。但在现实世界中，情况并非如此。

​

​

例如，你不能期望一只猫总是停留在图像的中心。在测试数据中，它可能出现在任何位置。如果您在训练数据中考虑这些情况，您的模型将学习得更好。

(Image Source)

至于结果的差异，在您尝试之前，我们不能确定性能的变化有多大。但人们发现shift有助于提高性能，通常与翻转、旋转、缩放等一起使用。

Answer 2

居中的对象不需要移动，但在真实世界的测试数据中，您可能会有不居中的对象，因此在这种情况下，它变得精确重要。

gen = ImageDataGenerator(
rotation_range=10,
width_shift_range=0.1,
height_shift_range=0.1,
shear_range=0.15,
zoom_range=0.1,
channel_shift_range=10.,
horizontal_flip=True)

Answer 3

是的，移动对象是非常必要的。

如果您尝试检测/分类的对象大部分时间都在图像中心附近，则您的模型可能会调整其权重，以便专注于搜索图像的中心。

通过在图像周围移动目标对象，可以强制模型搜索图像的所有区域。此外，您还可以通过更改对象的形状来改进模型的训练(例如，您可以在图像中使用缩放)。

这个存储库很好地介绍了对象检测中常用的数据扩充：https://github.com/kochlisGit/random-data-augmentations