資料增強的方法主要有：
翻轉變換 flip
隨機修剪 random crop
色彩抖動 color jittering
平移變換 shift
尺度變換 scale
對比度變換 contrast
雜訊擾動 noise
旋轉變換/反射變換 rotation/reflection 等等
訓練模型根據所用框架可使用框架內部函式，tensorflow中有著乙個image模組專門用於處理資料的預處理是pytorch中的影象預處理包
在目標檢測訓練模型時，除了對影象就資料增強外，還需要對bounding box做相應的轉換
比較詳細的目標檢測資料增強，具體可詳看此篇文章
第三方影象增強庫實現
庫1，庫2（推薦使用）
庫3，空間幾何變換（geometric distortions）
畫素內容變換（photometric distortions）
目標檢測 資料增強
一 目標檢測 yolo v4的related work部分精簡的介紹了目標檢測部分。目標檢測大概分為one stage和two stage部分。其中two stage部分主要包括r cnn系列。one stage則包括anchor based和anchor free兩類方法。其中anchor bas...
適用於目標檢測的資料增強方法
learning data augmentation strategies for object detection 研究了適用於目標檢測的資料增強策略。該 的思路和 autoaugment learning augmentation strategies from data 一樣，選擇一些常用的資...
目標檢測資料層引數解析（caffe）
作用 資料變換 transform param batch sampler 的額外限制條件 座標表示形式 emit constraint 資料畫素變換，資料增強 distort param 對原圖周圍用均值擴充，變成乙個大，後面縮放到特定尺寸之後，原圖目標就會縮小，目的是使網路適應小尺寸的目標，增強...