图像增强有帮助吗？

Question

我正在尝试建立cnn模型(keras)，它可以根据用户的情绪对图像进行分类。我对数据有问题。我有很小的训练数据。增加数据会有帮助吗？它能提高精确度吗？在这种情况下，人们应该选择增加数据，并应避免？

Answer 1

增加数据会有帮助吗？它能提高精确度吗？

很难事先说出来。但是几乎可以肯定的是，当你已经有了一个比随机更好的模型时。当你选择正确的增强方法时。

参见我的硕士论文卷积神经网络结构的分析与优化，第80页获得许多不同的增强方法。

在这种情况下，人们应该选择增加数据，并应避免？

• 当您没有足够的数据时，->会增加
• 避免在增强后无法分辨情绪的情况下进行增强。因此，在字符识别的情况下，旋转不是一个好主意(例如，由于6 vs 9、u vs n或\rightarrow vs \nearrow)。

Answer 2

是的，数据增强确实有帮助，有时它真的是必要的。(但看看马丁·托马的回答，这里有更多的细节和一些重要的“关心”)。

你应该在下列情况下使用它：

• 你的数据太少
• 你会注意到你的模型太过合适(可能是一个太强大的模型)

当你的模型能够记住数据时，过度拟合就会发生。训练数据精度高，测试数据精度差。

增加训练数据的大小会使你的模型更难记忆。这里和那里的小变化会使你的模型不再关注那些没有任何意义的细节(但是能够在图像之间建立区别)，并开始关注那些确实会产生预期效果的细节。