Python中的图像增强技术

翻译 | 王文刚

我们为什么需要图像增强？

深度学习卷积神经网络（CNN）需要大量图像才能有效训练模型。通过更好的增强有助于提高模型的性能，从而减少过度拟合。可用于分类和对象检测数据集的最流行的数据集具有数千到数百万个图像。
归纳是指在模型训练期间根据以前从未见过的数据进行评估模型的性能测试或验证。由于 CNN 具有不变性，即使在不同大小，方向或不同照明下可见时，它也可以对对象进行分类。因此，我们可以获取图像的小型数据集，并通过放大或缩小，垂直或水平翻转它们或更改亮度来改变对象的大小。这样，我们可以创建丰富、多样化的图像数据集。

图像增强可以从一小组图像中创建丰富多样的图像集，以进行图像分类，目标检测或图像分割。在仔细了解问题域之后，需要采用增加训练数据集大小的增强策略。

什么时候需要应用图像增强？

在我们训练模型之前，可以将图像增强用作预处