数据增强的方法

意义

数据增强也叫数据扩增，意思是在不实质性的增加数据的情况下，让有限的数据产生等价于更多数据的价值。

方法

空间几何变换

1.  翻转

   翻转包括水平翻转和垂直翻转。

2. crop

   裁剪图片的感兴趣区域（ROI），通常在训练的时候，会采用随机裁剪的方法，下图为随机裁剪4次的效果。

3. 旋转

   对图像做一定角度对旋转操作，看看效果。

4. 缩放变形

   随机选取图像的一部分，然后将其缩放到原图像尺度。

5. 仿射变换

   同时对图片做裁剪、旋转、转换、模式调整等多重操作。

6. 视觉变换

         对图像应用一个随机的四点透视变换。

     7. 分段仿射（PiecewiseAffine）

        分段仿射在图像上放置一个规则的点网格，根据正态分布的样本数量移动这些点及周围的图像区域。

噪声类

随机噪声是在原来的图片的基础上，随机叠加一些噪声。

1. 高斯噪声

2. CoarseDropout

   在面积大小可选定、位置随机的矩形区域上丢失信息实现转换，所有通道的信息丢失产生黑色矩形块，部分通道的信息丢失产生彩色噪声。

3. SimplexNoiseAlpha

   产生连续单一噪声的掩模后，将掩模与原图像混合。

4. FrequencyNoiseAlpha

   在频域中用随机指数对噪声映射进行加权，再转换到空间域。在不同图像中，随着指数值逐渐增大，依次出现平滑的大斑点、多云模式、重复出现的小斑块。

模糊类

减少各像素点值的差异实现图片模糊，实现像素的平滑化。

1. 高斯模糊

2. ElasticTransformation

   根据扭曲场的平滑度与强度逐一地移动局部像素点实现模糊效果。

3. HSV对比度变换

   通过向HSV空间中的每个像素添加或减少V值，修改色调和饱和度实现对比度转换。

4. RGB颜色扰动

   将图片从RGB颜色空间转换到另一颜色空间，增加或减少颜色参数后返回RGB颜色空间。

5.  随机擦除法

   对图片上随机选取一块区域，随机地擦除图像信息。

6. 超像素法（Superpixels）

   在最大分辨率处生成图像的若干个超像素，并将其调整到原始大小，再将原始图像中所有超像素区域按一定比例替换为超像素，其他区域不改变。

7.  转换法（invert）

   按给定的概率值将部分或全部通道的像素值从v设置为255-v。

8. 边界检测（EdgeDetect）

   检测图像中的所有边缘，将它们标记为黑白图像，再将结果与原始图像叠加。

9. GrayScale

   将图像从RGB颜色空间转换为灰度空间，通过某一通道与原图像混合。

10.  锐化（sharpen）与浮雕（emboss）

    对图像执行某一程度的锐化或浮雕操作，通过某一通道将结果与图像融合。