方法:
映象（flip）
旋轉（rotation）
縮放（scale）
裁剪（crop）
平移（translation）
高斯雜訊（gaussion noise）
影象亮度、飽和度和對比度變化
pca jittering
lable shuffle
sda生成對抗網路（generative adversi network）
注：
crop、flip、scale最有效
color augmentation甚至導致反作用
工具：
imgaug是乙個封裝好的用來進行影象augmentation的python庫,支援關鍵點(keypoint)和bounding box一起變換。
使用方法參見文章:
python-opencv 實現影象翻轉、平移、旋轉
推薦文章：
知乎部落格：
voc格式資料的資料增廣
資料增廣筆記
深度學習資料增強筆記 首先，網路上已經有了各種的常見增廣方法，如旋轉，平移色彩抖動等，需要的麻煩見下面的部落格。本文的寫作目的是為了提醒自己除了上述的常見增廣方法外，還有一些高階的增強方法，如利用神經風格遷移或者gan來生成更多的，以及影象合成。影象合成有時候能給我們提供大量的資料，但是其也有一些限...
條件BERT資料增廣
資料增廣是在任務資料量稀缺時非常有用的方法。文章 conditional bert contextual augmentation 通過改變bert的輸入，在原始bert模型上fine tune,將預訓練語言模型引入資料增廣任務中，並取得了很好的效果。資料增廣是深度學習中常用的技巧之一，主要用於增加...
增廣路演算法Ford Fulkerson
無題目 該演算法就是不斷在殘餘網路中尋找增廣路 並增廣 直到找不到增廣路為止 也就是說，此時源點和匯點不連通，存在割 下面給出增廣路和增廣的含義。演算法實現 const maxn 200 varc array 1.maxn,1.maxn of longint b array 1.maxn of lo...