Neural network 为什么扭曲图像会改善神经网络的训练？

我无法理解为什么扭曲图像，例如翻转图像，增加伽马强度会以某种方式提高神经网络的准确性

---

在我的情况下，我使用CNN来检测图像中是否有狗，有人建议我添加失真。

事实上，@Ash是正确的。你不会扭曲所有的图像。如果将其添加到其中一些，神经网络能够更好地进行泛化，因此具有更强的鲁棒性和对某些噪声的免疫力

事实上，@Ash是对的。你不会扭曲所有的图像。如果将其添加到其中一些，神经网络能够更好地进行泛化，因此具有更强的鲁棒性和对某些噪声的免疫力

为什么不是真正的编程问题，这更适合于：不是深度学习专家。但你的意思肯定不是要给所有的训练集增加失真？我认为您所指的只是标准的数据扩充，以获得更加多样化的训练集。如果有人纠正我的错误，我会很高兴。为什么不是一个真正的编程问题，这更适合于：不是一个深度学习专家。但你的意思肯定不是要给所有的训练集增加失真？我认为您所指的只是标准的数据扩充，以获得更加多样化的训练集。如果有人纠正了我的错误，我会很高兴的。或者用不同的增强器复制图像。例如，您可以有100个训练图像加上100个以上的训练图像翻转版本，或者复制应用了不同增强的图像。例如，您可以有100个训练图像，再加上100个训练图像的翻转版本。