目前我正在培训类似于Flickrlogos-32的小型徽标数据集，其中包含深度CNN . 为了训练更大的网络，我需要更多的数据集，因此使用扩充 . 最好的国家数据科学碗forum但不能给出here的某些方法的代码，但我不确定什么是有用的 . 除了仿射变换之外，还有哪些其他（或更好）的图像数据增强技术可应用于此类（或任何一般图像）数据集？
目前我正在培训类似于Flickrlogos-32的小型徽标数据集，其中包含深度CNN . 为了训练更大的网络，我需要更多的数据集，因此使用扩充 . 最好的国家数据科学碗forum但不能给出here的某些方法的代码，但我不确定什么是有用的 . 除了仿射变换之外，还有哪些其他（或更好）的图像数据增强技术可应用于此类（或任何一般图像）数据集？
2 回答
可以找到一个很好的回顾here，关于数据增强的第1部分：即 flips ， random crops 和 color jittering 以及 lighting noise ：
另外，您还可以看看Kaggle Galaxy Zoo的挑战：获胜者写了一个very detailed blog post . 它涵盖了相同的技术：
轮换，
翻译，
zoom，
翻转，
颜色扰动 .
如上所述，他们也“实时地，即在训练期间”这样做 .
例如，这是一个实用的Torch implementation由Facebook（为ResNet培训） .
我在my masters thesis, page 80收集了几种增强技术 . 这包括：
放大，
裁剪
翻转（水平/垂直）
轮换
缩放
剪毛
Channels 转换（rgb，hsv）
对比
噪音，
渐晕