图像分割后的数据增强

Question

让我们假设我有一个小的数据集。我想实现数据增强。首先实现图像分割(之后，图像将是二值图像)，然后实现数据增强。这是一种好方法吗？

Answer 1

对于分割和实例分割中的图像增强，您必须不通过例如操纵颜色来更改图像中包含的对象的位置，或者通过应用平移和旋转来修改这些位置。

数据增强并不是一个随时随地都能取得良好效果的过程。

如果您有以下情况：

在本例中，您的数据增强同时应用于images.

• Instance和I，给出了两个转换后的L分割的组合:在这里，我们为原始图像的每个实例生成一个掩模，并将增强应用到包括原始图像在内的所有实例，然后从这些转换的掩模中获得我们的新实例。

EDIT：看看CLoDSA (分类、定位、检测和分割增强器)，它可能会帮助你实现你的想法。

Answer 2

如果您的数据集很小，则应在训练期间添加数据增强。以同样的方式改变原始图像和目标(蒙版)是很重要的!!。

例如，如果图像旋转90度，则其蒙版也应旋转90度。由于您使用的是Keras库，因此您应该检查ImageDataGenerator是否也更改了目标图像(蒙版)以及输入。如果没有，您可以自己实现增强功能。此存储库在以下位置显示了如何在OpenCV中完成此操作：https://github.com/kochlisGit/random-data-augmentations