數據增強（Data augmentation）
或許最簡單的數據增強方法就是垂直鏡像對稱，假如，訓練集中有這張圖片，然后將其翻轉得到右邊的圖像，實際是做了一個鏡像對稱，如果鏡像操作保留了圖像中想識別的物體的前提下，這是個很實用的數據增強技巧。
另一個經常使用的技巧是隨機裁剪，給定一個數據集，然后開始隨機裁剪，隨機裁剪並不是一個完美的數據增強的方法，如果你隨機裁剪的那一部分，這部分看起來並不能識別原本圖片中的物體。但在實踐中，這個方法還是很實用的，隨機裁剪構成了很大一部分的真實圖片。
鏡像對稱和隨機裁剪是經常被使用的，當然，理論上，也可以使用旋轉，剪切（shearing：此處並非裁剪的含義，圖像僅水平或垂直坐標發生變化）圖像，可以對圖像進行這樣的扭曲
變形，引入很多形式的局部彎曲等等。
還有一個經常使用的方法是彩色轉換，有這樣一張圖片，然后給 R、G 和 B 三個通道上加上不同的失真值。這么做的目的就是使用不同的 R、G 和 B 的值，使用這些值來改變顏色。顏色失真或者是顏色變換方法，這樣會使得你的學習算法對照片的顏色更改更具魯棒性。
