我正在训练分割网络，虽然数据集在某种程度上不错（约 5k 图像），但我想增强它，到目前为止我正在尝试：
- 随机翻转
- 随机旋转
- 随机亮度变化
- 随机阴影
由于问题的限制，我不能做随机作物或轮班。除了那些增强之外，我还在研究图像锐化，并且想知道它是否可以成为数据集增强的良好候选者。我可以在一些网络文章和 Github 上的许多增强项目中找到它，但我找不到任何可靠的论文将其称为可能的增强技术。有没有人对此事有一些经验/提示？
图像锐化是数据增强的好主意吗？
数据挖掘
机器学习
神经网络
深度学习
数据增强
图像预处理
2022-03-01 22:25:59
1个回答
首先，我不得不提到不能被视为用于训练深度神经网络的大型数据集。无论如何，关于这个问题。一般来说，是的，你可以，但你必须注意一些要点。数据增强可能会有所帮助，也可能会破坏您的整个预测。每种情况的原因是，每当您使用数据增强时，您都会以某种方式更改和操纵手头数据的分布。由于神经网络被认为是处理其行为是独立同分布的随机过程，因此您的数据样本不应相互依赖。还有另一种观点。您的训练数据应该与您的测试数据具有相同的分布。如果您确定在测试您将要面对的东西时可以锐化图像，那么请继续执行该操作，但如果您确定传感器处于嘈杂的环境中，
其它你可能感兴趣的问题