Tensorflow对象检测API的数据扩充是否会导致比原始数据更多的样本？

假设我的原始数据集有100幅图像。我应用了

random\u horizontal\u flip

data augmentation，默认情况下，它以50%的概率水平翻转。举个例子，假设它翻转了100幅图像中的50幅。所以

这是否意味着我的算法现在将使用150张图像（100张原始图像和50张翻转版本）进行训练，还是意味着它仍将使用100张图像进行训练，但其中50张将是原始图像的翻转版本

问题1的答案是否适用于Tensorflow对象检测API提供的所有数据增强选项

---

我阅读了尽可能多的官方文档，并进行了研究，但找不到我的答案。

默认增强概率为50%，独立应用于每个图像。模型/算法训练所依据的图像数取决于纪元数

• 假设您的批量大小为1，并且历元总数为100： 您的算法将在100幅图像上进行训练，其中50幅将是原始图像的翻转版本。在这种情况下，模型将看不到原始的50幅图像，因为您的历元太低

• 假设您的批量大小为1，并且历元总数为200： 您的算法将在200幅图像上进行训练，其中100幅将是原始图像的翻转版本

因此，只要您的纪元大小不限制您的数据集（概率为50%），您就会看到一种效果，就好像您通过翻转每个项目使数据集翻倍一样

---

除了水平翻转，如果你也添加垂直翻转（

random\u vertical\u flip

），你的数据集将增加三倍。

如果是50%几率的随机翻转，这意味着最终你的数据集将增加一倍，因为每个图像在多次迭代后将至少翻转一次。@Richard\n这很有意义，谢谢。