机器学习AI算法工程 公众号：datayx
在深度学习项目中，寻找数据花费了相当多的时间。但在很多实际的项目中，我们难以找到充足的数据来完成任务。为了要保证完美地完成项目，有两件事情需要做好：
1、寻找更多的数据；
2、数据增强。
本篇主要描述数据增强。
imgaug是一个封装好的用来进行图像augmentation的python库,这个库功能全面，且有丰富的文档支持，能满足我们大多数的数据增强的需求。支持关键点(keypoint)和bounding box一起变换。它可以将你的输入图片转换成很多新的、更大数据量的轻微变动的图片，这对于数量比较小的数据集来说简直是福音！！
常见的变换比如 滤波，扰动，平移，翻转，缩放，裁剪，锐化，噪声，灰度，亮度，对比度等等
项目主页:
https://github.com/aleju/imgaug
快速开始(官方文档)
https://imgaug.readthedocs.io/en/latest/source/examples_basics.html
API介绍
https://imgaug.readthedocs.io/en/latest/source/api.html
Keras和OpenCv数据增强API的封装版
https://github.com/BlackChengX/ImageDataGenerator
imgaug学习笔记
如下：
这是比较base的转换，像加入噪声、裁切等基本常用的数据增强方法
下面是一些比较特殊的：
函数介绍
在API里边，我们可以看到有很多函数可以实现数据增强，接下来对这些函数的功能进行介绍
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx
长按图片，识别二维码，点关注
机器学习算法资源社群
不断上传电子版PDF资料
技术问题求解
QQ群号： 333972581
