在我們處理有關圖像的任務，比如目標檢測，分類，語義分割等等問題當中，我們常常需要對訓練集當中的圖片進行數據增強（data augmentation）,這樣會讓訓練集的樣本增多，同時讓神經網絡模型的泛化能力更強。在進行圖片的數據增強時，我們一般會對圖像進行翻轉，剪裁，灰度變化，對比度變化，顏色變化 ...

　　喜歡攝影的盆友都知道圖像的亮度，對比度等屬性對圖像的影響是非常大的，相同物體在不同亮度，對比度下差別非常大。然而在很多圖像識別問題中，這些因素都不應該影響最后的結果。所以本文將學習如何對圖像數據進行預處理使訓練得到的神經網絡模型盡可能小地被無關因素所影響。但與此同時，復雜的預處理過程可能導致 ...

正則化： 一般可以通過減少特征或者懲罰不重要特征的權重來緩解過擬合，但是我們通常不知道該懲罰那些特征的權重，而正則化就是幫助我們懲罰特征權重的，即特征的權重也會成為模型的損失函數一部分。可以理解為， ...

一、圖片數據讀取 　　在做模型訓練前，需要讀取數據集數據，對圖片數據的讀取方法做一下介紹。 　　數據的存放如下：數據集存放在C:\Users\Administrator\Desktop\train\datasets文件夾，該文件夾下有兩個文件夾，train存放訓練集，test存放測試集。圖片 ...

開始之前，需要思考一些基本問題 1、為什么需要大量數據 當您訓練機器學習模型時，您真正在做的是調整其參數，以便它可以將特定輸入（例如，圖像）映射到某個輸出（標簽）。我們的優化目標是追逐我們模型損失較低的最佳位置，這種情況發生在您的參數以正確的方式調整時。 現在 ...

一、概念 1、為什么需要數據增強 1）數據是機器學習的原材料，而大部分機器學習任務都是有監督任務，所以非常依賴訓練數據，而訓練數據就是一種有標注數據，比如做文本分類的任務，就需要一些標注好的文本數據，算法起到一個擬合有標注的數據的作用，從數據中找到一定規律，比如某個數據屬於某一類是由於某種特征 ...

圖像增廣 在5.6節（深度卷積神經網絡）里我們提到過，大規模數據集是成功應用深度神經網絡的前提。圖像增廣（image augmentation）技術通過對訓練圖像做一系列隨機改變，來產生相似但又不同的訓練樣本，從而擴大訓練數據集的規模。圖像增廣的另一種解釋是，隨機改變訓練樣本可以降低模型 ...

1 什么是數據增強？ 來自 <https://www.infoq.cn/article/kyXx3sRKNsdFgqapv2Gw?utm_source=rss&utm_medium=article> 數據增強也叫數據擴增，意思是在不實質性的增加數據的情況下，讓有限的數據產生 ...