訓練技巧之資料增強（data augmentation）
阿新 • • 發佈：2020-10-22
YouTube視訊
我們在訓練資料之前，需要先對輸入資料進行預處理，其中資料增強就是預處理過程中的一個手段，即通過這樣的方式能夠使得輸入資料成倍的增長。
為什麼要做資料增強
因為在深度學習領域，更多的資料能夠使得我們的模型更穩健，不太容易發生過擬合的現象，而有些時候我們並不能收集到足夠多的原始資料。
什麼是資料增強
對於圖片來說，資料增強的本質是要對輸入影象的畫素點的分佈、值的大小做一些根本性的變化，但是在變換的同時，需要保證影象的label值是不變的。
資料增強的方式
1、水平翻轉
是資料增強過程中的最常用的手段，因為對計算機來說，圖片的畫素值發生了根本性的變化；
2、隨機裁剪/縮放
crops的作用：一張圖片被裁剪成很多部分之後放進模型進行訓練，可以很好地訓練模型，增加模型的穩健性，因為我們在測試的時候會有光照、遮擋等問題的出現，如果沒有這些資料的訓練，可能模型無法對物體進行正確分類和識別等。
3、translation：將某個物體進行平移；
4、rotation：進行角度變換；
5、stretch：拉伸；
6、shear：修剪
綜上，在實際應用中，這以上部分是一起進行的，讓計算機自己去進行一些隨機的操作。比如，給定translation的變換幅度在[-10,10]，rotation的變換幅度在[-15°，15°]等，讓計算機自己在這些範圍內隨機組合。