大部分的計算機視覺任務使用很多的資料，所以資料擴充是經常使用的一種技巧來提高計算機視覺系統的表現。在實踐中，更多的資料對大多數計算機視覺任務都有所幫助，不像其他領域，有時候得到充足的資料，但是效果並不怎麼樣。但是，當下在計算機視覺方面，計算機視覺的主要問題是沒有辦法得到充足的資料。所以這就意味著當你訓練計算機視覺模型的時候，資料擴充會有所幫助，這是可行的，無論你是使用遷移學習，使用別人的預訓練模型開始，或者從源**開始訓練模型。
最簡單的資料擴充方法就是垂直映象對稱：
另乙個經常使用的技巧是隨機裁剪：
當然，理論上，你也可以使用旋轉，剪下（shearing：此處並非裁剪的含義，影象僅水平或垂直座標發生變化）影象，可以對影象進行這樣的扭曲變形，引入很多形式的區域性彎曲等等。
第二種經常使用的方法是彩色轉換，有這樣一張，然後給 r、 g 和 b 三個通道上加上不同的失真值。
這麼做的理由是，可能陽光會有一點偏黃，或者是燈光照明有一點偏黃，這些可以輕易的改變影象的顏色，但是對貓的識別，或者是內容的識別，以及標籤y，還是保持不變的。所以介紹這些，顏色失真或者是顏色變換方法，這樣會使得你的學習演算法對**的顏色更改更具魯棒性。
對 r、g 和 b 有不同的取樣方式，其中一種影響顏色失真的演算法是 pca，即主成分分析。但具體顏色改變的細節在 alexnet 的**中有時候被稱作 pca 顏色增強， pca 顏色增強的大概含義是，比如說，如果你的呈現紫色，即主要含有紅色和藍色，綠色很少，然後 pca 顏色增強演算法就會對紅色和藍色增減很多，綠色變化相對少一點，所以使總體的顏色保持一致。
資料擴充和資料預處理
參考 解析深度學習 卷積神經網路原理與視覺實踐 資料擴充 有效的資料擴充不僅能擴充訓練樣本數量,還能增加訓練樣本的多樣性,一方面可避免過擬合,另一方面又會帶來模型效能的提公升，但實際使用時需要 量體裁衣 注 如果是 影象檢測任務 或者是 影象分割任務 記得 將 影象資料 和 標記資料 進行 同步擴充...
擴充的資料結構
程式設計中常常會遇到已有的資料結構無法解決問題，這時不要急著建立新的資料結構，可以在已有資料結構的基礎上新增新的字段。本節在紅黑樹這一基礎資料結構上進行擴充套件，得出兩個重要的應用 動態順序統計和區間樹。一種支援一般動態集合上順序統計操作的資料結構。通過這種資料結構，可以快速找到乙個集合中的第i小的...
I Deas TMG 培訓資料 28
在 board 表面上建立對流邊界條件 i deas tmg 培訓資料 28 htbbzzg htbbzzg的部落格 i deas tmg 培訓資料 28 htbbzzg htbbzzg的部落格建立邊界條件組 i deas tmg 培訓資料 28 htbbzzg htbbzzg的部落格 將 task...