图像识别-数据增广

数据增广

使用数据增广，达到数据集扩充的效果，提高模型的识别效果。
在真实的项目中，使用场景往往都是固定的，最好使用真实拍摄的数据。数据增广的意义在于提高模型的稳定性，或提高其泛化效果。
（1）翻转
包括：水平翻转、垂直翻转、上下平移等。

（2）旋转
将原图按照一定角度旋转，作为新图像。
常取的旋转角度为 -30°、-15°、15°、30° 等较刚好的角度值。

（3） 尺度变换
将图像分辨率变为原图的0.8、0.9、1.1、1.2等倍数，作为新图像。

（4）色彩抖动
对图像原有的像素值分布进行轻微扰动（即加入轻微噪声），作为新图像。