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 data augmentation in image classification using deep》
本**設計乙個agument網路+classify網路，agument網路隨機抽取兩張相同類別的生成新的，然後送進classify網路做分類評判，目標函式是agument loss+classify loss。
當準確率比較高，效果比較好時，資料增強提公升不大。分類難度越大，資料越少，使用資料增廣提公升越明顯。
傳統資料增強方式還是比較有效的，還有gan和**提到的增強方法也比不增強的準確率要高。
使用資料增強後，訓練的準確率可能會有所下降，關鍵是看測試的準確率是否上公升。
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...
資料增強方法總結
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...
Data augmentation資料增強
mirroring 映象翻轉 最簡單的資料增強方式 random cropping 隨機裁剪 隨機裁剪並不是一種完美的資料增強方式。存在隨機裁剪切那塊看起來不像貓的的可能性，但是實際隨機裁剪效果還不錯，只要隨機裁剪的部分占原的相當大一部分即可。rotation 旋轉 shearing 剪下 loca...