深度学习训练集的图像增强算法

Question

为了准备大量的数据集以训练基于深度学习的图像分类模型，我们通常需要依赖于图像增强方法。我想知道通常的图像增强算法是什么，在选择它们时有什么考虑吗？

Answer 1

数据增强的文集非常大，并且非常依赖于您的应用程序。我首先想到的是银河竞赛的旋转和贾斯珀·斯诺克的数据增强。

但实际上，所有的论文都有自己的技巧，可以在特定的数据集上获得好的分数，例如，将图像拉伸到特定的大小，然后再裁剪它或其他什么，然后以非常特定的顺序排列。

为了更实际地训练像CIFAR或IMAGENET这样的模型，除了明显的翻转和噪声加法之外，还要使用随机作物和随机对比、亮度扰动。

看看CIFAR-10在TF网站上的教程，这是一个好的开始。加上TF现在有random_crop_and_resize()，这是非常有用的。

编辑:我指的是这里和那里的论文。

Answer 2

这取决于您必须解决的问题，但大多数情况下您可以：

1. 旋转图像
2. 翻转图像(X或Y对称性)
3. 加噪
4. 以前的一切都在同一时间。