資料增強主要是為了減少網路的過擬合現象，通過對訓練進行變換可以得到泛化能力更強的網路，更好的適應應用場景。
常用的資料增強方法有：
《random erasing data augmentation》
在keras中已經方便的實現了資料擴增，如果嘗試效果可以直接使用keras，如果在caffe中使用，可以線下生成資料或者修改image_data層進行資料擴增。
資料擴增收集到的**：
# 資料擴增
train_datagen = imagedatagenerator(
rescale=1./255,
shear_range=0.1,
zoom_range=0.1,
rotation_range=10.,
width_shift_range=0.1,
height_shift_range=0.1,
horizontal_flip=true)
資料增強總結
資料增強方式 1 傳統資料增強，包括crop，translate，zoom，hue等 2 gan cyclegan 生成的和真實差距較大，損失函式定義為分類偏差。3 插值式，smote，mixup等演算法生成新 4 遷移學習 5 特徵融合，特徵手動提取 總結 the effectiveness of...
資料增強相關總結
data augmentation是通過少量的計算從原始變換得到新的訓練資料。資料增強對最後的識別效能和泛化能力都有著非常重要的作用。我們使用下面這些資料增強方法 我們對其進行了改進，提出supervised data augmentation方法。尺度和長寬比增強變換有個缺點，隨機去選crop c...
資料增強 基本方法
基本資料增強主要包含如下方式 1.旋轉 可通過在原圖上先放大影象，然後剪下影象得到。2.平移 先放大影象，然後水平或垂直偏移位置剪下 3.縮放 縮放影象 4.隨機遮擋 對影象進行小區域遮擋 5.水平翻轉 以過影象中心的豎直軸為對稱軸，將左 右兩邊畫素交換 6.顏色色差 飽和度 亮度 對比度 銳度等 ...