数据增强：基于Yolov5/Yolov7/Yolov8---自动生成图片以及xml文件，解决小样本训练难等问题

1.数据增强(Data Augmentation)

        数据增强（Data Augmentation）是一种使用少量数据通过先验知识产生更多的相似生成数据来扩展训练数据集的方法。 数据增强方法常用于解决现实业务中的小样本问题。

 

        小样本学习主要问题是样本量过少，从而导致样本多样性不足以刻画完整样本分布，可以通过样本增强来提升样本多样性；基于数据增强的方法是利用辅助数据集或者辅助信息增强目标数据集中进行数据扩充 或特征增强，使模型能更好拟合。数据扩充可以是无标签或者合成带标签数据；特征增强是在原样本的特征空间中添加便于分类的特征，增加特征多样性；

2.自动生成图片和xml文件

2.1 Gamma变化数据增强

通过 aa和gg两个变化调整gamma变化的程度

# -*- coding: utf-8 -*-
"""
Created on Fri Jun 01 15:24:21 2018

@author: AI&CV
"""

import cv2  
import numpy as np 
import xml.etree.ElementTree as ET
import os
from skimage import  exposure





xmlpath = './VOC2007/Annotations/'
imgpath = './VOC2007/JPEGImages/'
hist_imgpath = './VOC2007/gammma/'
hist_xmlpath = '