意义
数据增强也叫数据扩增,意思是在不实质性的增加数据的情况下,让有限的数据产生等价于更多数据的价值。
方法
空间几何变换
- 翻转
翻转包括水平翻转和垂直翻转。 - crop
裁剪图片的感兴趣区域(ROI),通常在训练的时候,会采用随机裁剪的方法,下图为随机裁剪4次的效果。 - 旋转
对图像做一定角度对旋转操作,看看效果。 - 缩放变形
随机选取图像的一部分,然后将其缩放到原图像尺度。 - 仿射变换
同时对图片做裁剪、旋转、转换、模式调整等多重操作。 - 视觉变换
对图像应用一个随机的四点透视变换。
7. 分段仿射(PiecewiseAffine)
分段仿射在图像上放置一个规则的点网格,根据正态分布的样本数量移动这些点及周围的图像区域。
噪声类
随机噪声是在原来的图片的基础上,随机叠加一些噪声。
- 高斯噪声
- CoarseDropout
在面积大小可选定、位置随机的矩形区域上丢失信息实现转换,所有通道的信息丢失产生黑色矩形块,部分通道的信息丢失产生彩色噪声。 - SimplexNoiseAlpha
产生连续单一噪声的掩模后,将掩模与原图像混合。 - FrequencyNoiseAlpha
在频域中用随机指数对噪声映射进行加权,再转换到空间域。在不同图像中,随着指数值逐渐增大,依次出现平滑的大斑点、多云模式、重复出现的小斑块。
模糊类
减少各像素点值的差异实现图片模糊,实现像素的平滑化。
- 高斯模糊
- ElasticTransformation
根据扭曲场的平滑度与强度逐一地移动局部像素点实现模糊效果。 - HSV对比度变换
通过向HSV空间中的每个像素添加或减少V值,修改色调和饱和度实现对比度转换。 - RGB颜色扰动
将图片从RGB颜色空间转换到另一颜色空间,增加或减少颜色参数后返回RGB颜色空间。 - 随机擦除法
对图片上随机选取一块区域,随机地擦除图像信息。 - 超像素法(Superpixels)
在最大分辨率处生成图像的若干个超像素,并将其调整到原始大小,再将原始图像中所有超像素区域按一定比例替换为超像素,其他区域不改变。 - 转换法(invert)
按给定的概率值将部分或全部通道的像素值从v设置为255-v。 - 边界检测(EdgeDetect)
检测图像中的所有边缘,将它们标记为黑白图像,再将结果与原始图像叠加。 - GrayScale
将图像从RGB颜色空间转换为灰度空间,通过某一通道与原图像混合。 - 锐化(sharpen)与浮雕(emboss)
对图像执行某一程度的锐化或浮雕操作,通过某一通道将结果与图像融合。