小图像数据集的数据增强技术？

Question

目前，我正在培训小型标识数据集，类似于Flickrlogos-32的深层CNN。为了训练更大的网络，我需要更多的数据集，因此使用增强。我现在做的最好的就是使用仿射变换(特征归一化，特征中心，旋转，宽度高度偏移，水平垂直翻转)。但对于更大的网络，我需要更多的增强。我试着搜索kaggle的国家数据科学碗的论坛，但没有得到多少帮助。在给定这里的情况下，有一些方法的代码，但我不确定哪些方法可能有用。除了仿射变换之外，还有哪些其他(或更好的)图像数据增强技术可以应用于这种类型(或任何一般图像)数据集？

Answer 1

一个很好的概述可以找到这里，关于数据增强的第1节:因此，翻转，随机作物和颜色抖动，以及照明噪声。

2012年，Krizhevsky等人在训练著名的Alex时提出了PCA。幻想PCA改变了RGB通道在训练图像中的强度。

或者，你也可以看看Kaggle的挑战:获奖者写了一个非常详细的博客文章。它涵盖了同样的技术：

• 轮调，
• 翻译，
• 变焦，
• 翻转，
• 颜色扰动。

如前所述，他们还“实时地，即在培训期间”这样做。

例如，这里有一个由Facebook提供的实用手电筒 实现 (用于ResNet培训)。

Answer 2

我在我的硕士论文，第80页中收集了几种增强技术。它包括：

• 变焦，
• 裁剪
• 翻转(水平/垂直)
• 旋转
• 缩放
• 剪切
• 信道移位(rgb，hsv)
• 对比
• 噪音，
• 晕光