为训练CNN生成“人工”图像

Question

我正在尝试识别不同类型的车辆和标识等。在这一领域的大多数努力中，挑战是缺乏训练图像。

有人试过生成人造图像吗？通过“绘制”标志顶部(例如)一个汽车罩，车辆后方和执行扭曲(如改变颜色，形状等)。给它一个更多样化的训练集。

这种方法是否有指导方针和/或最佳做法？

编辑:选民，至少请评论为什么你被否决，以便我可以了解。我不是想骚扰这个论坛，而是诚恳地问一个问题。如果你不同意，请分享你的想法。

Answer 1

数据增强是解决过度拟合问题的一种众所周知的技术。通过对原始培训图像执行这些扭曲操作，这样做是明智的。这可以通过添加噪声、执行倾斜、旋转、裁剪随机窗口和在这些窗口上进行培训来完成。这些只是一些例子。

这样做对生成的图像并不是最好的选择，因为生成的图像不会像可用的培训图像那样好。

从这个纸开始，它解释了AlexNet并提到了他们使用的一些技巧，其中包括一些很好的数据增强。