傳統的數據增強方法主要針對像素信息進行處理,主要從光度畸變和幾何畸變兩方面進行處理。
- 光度畸變:顏色空間、圖片亮度、對比度、色調、飽和度、噪聲等;
- 幾何畸變:尺度縮放、裁剪、翻轉、旋轉等。
不同框架實時的數據增強函數
-
keras ImageDataGenerator 類 對應的tf處理函數tf.keras.preprocessing.image.ImageDataGenerator
-
tensorflow tflearn.data_augmentation.DataAugmentation
- 尺度變換、平移、旋轉、翻轉、椒鹽噪聲、投影變換;
參考文獻: