Image processing 小型图像数据集的数据扩充技术?
目前,我正在培训与deep CNN类似的小型徽标数据集。为了训练更大的网络,我需要更多的数据集,因此使用增广。我现在做的最好的事情就是使用仿射变换(特征归一化、特征中心、旋转、宽度-高度偏移、水平-垂直翻转)。但对于更大的网络,我需要更多的扩充。我试着在卡格尔的国家数据科学碗上搜索,但没有得到太多帮助。给出了一些方法的代码,但我不确定哪些方法有用。除了仿射变换之外,还有哪些(或更好的)图像数据增强技术可以应用于此类(或任何普通图像)数据集 可以在关于数据增强的第1节中找到一个很好的概述:即翻转,随机作物和颜色抖动,以及照明噪声: 在2012年训练著名的Alex Net时提出了花式PCA。花式PCA改变训练图像中RGB通道的强度 或者你也可以看看卡格尔银河动物园挑战赛:获奖者写了一篇文章。它涵盖了相同类型的技术:Image processing 小型图像数据集的数据扩充技术?,image-processing,machine-learning,computer-vision,neural-network,deep-learning,Image Processing,Machine Learning,Computer Vision,Neural Network,Deep Learning,目前,我正在培训与deep CNN类似的小型徽标数据集。为了训练更大的网络,我需要更多的数据集,因此使用增广。我现在做的最好的事情就是使用仿射变换(特征归一化、特征中心、旋转、宽度-高度偏移、水平-垂直翻转)。但对于更大的网络,我需要更多的扩充。我试着在卡格尔的国家数据科学碗上搜索,但没有得到太多帮助。给出了一些方法的代码,但我不确定哪些方法有用。除了仿射变换之外,还有哪些(或更好的)图像数据增强技术可以应用于此类(或任何普通图像)数据集 可以在关于数据增强的第1节中找到一个很好的概述:即翻转,
- 轮换
- 翻译
- 缩放
- 翻转
- 颜色扰动
例如,这里有一个Facebook提供的实用程序(用于培训)。我在中收集了一些增强技术。它包括:
- 缩放
- 收成
- 翻转(水平/垂直)
- 轮换
- 缩放
- 剪切
- 通道位移(rgb、hsv)
- 对比度
- 噪音,
- 渐晕