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)
local warping(區域性彎曲)
color shifting(色彩變化):改變rgb通道的各個通道的數值，即在紅綠藍通道上做一些干擾。因此通過引入顏色干擾或是色彩變化，使得你的學習演算法在應對影象色彩變化時健壯性更好。
有不同的方式來取樣紅綠藍通道值，其中一種色彩干擾的演算法被稱為pca，即主成成分分析，此演算法的細節在alexnet**中也有描述，有時也被稱為pca色彩增強。其主要是保持整體和之前相同的著色，增加和減少顏色深度。
同其他訓練深度神經網路模組一樣，資料增強也有一些超引數，例如需要實現多大程度的色彩變化和具體用什麼引數來做隨機裁剪，所以同計算機視覺的其他部分一樣，直接用其他人用到的資料增強的開源實現，也許是乙個很好的開始。
資料增廣（Data Augmentation）方法
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 net...
深度學習《Data Augmentation》
1 資料增強 tensorflow實現 import tensorflow as tf from matplotlib import pyplot as plt import cv2 as cv import numpy as np import random defget img from pat...
資料索引自增
b tree 資料結構索引 從這個資料介面上，細細咀嚼了一下索引自增。如果資料id是自增的情況下，可以看上面圖，資料的整合是很整齊的。前面兩層對應的資料是滿的。但是如果id不是自增的情況，那就不是了。從而導致需要更多前兩層的資料。優點 1.自增，趨勢自增，可作為聚集索引，提公升查詢效率2.節省磁碟空...