小图像数据集的数据增强技术？

Question

目前我正在培训类似于Flickrlogos-32的小型徽标数据集,其中包含深度CNN.为了训练更大的网络,我需要更多的数据集,因此使用扩充.我现在做的最好的是使用仿射变换(特征标准化,特征中心,旋转,宽度高度偏移,水平垂直翻转).但对于更大的网络,我需要更多的扩充.我试着在kaggle的国家数据科学碗论坛上搜索,但无法得到很多帮助.还有对于给定的一些方法的代码在这里,但我不知道这可能是有用的.除了仿射变换之外,还有哪些其他(或更好)的图像数据增强技术可应用于此类(或任何一般图像)数据集？

Answer 1

可以在这里找到一个很好的回顾,第1节关于数据增强:即翻转,随机作物和颜色抖动以及照明噪声:

Krizhevsky等.在2012年训练着名的Alex-Net时提出了花哨的PCA.Fancy PCA改变了训练图像中RGB通道的强度.

另外,您还可以看看Kaggle Galaxy Zoo的挑战:获奖者写了一篇非常详细的博客文章.它涵盖了相同的技术:

• 回转,
• 翻译,
• 放大,
• 翻转,
• 色彩扰动.

如上所述,他们也"实时地,即在训练期间".

例如,这是一个由Facebook 实施的实用Torch (用于ResNet培训).

Answer 2

我在我的硕士论文中收集了一些增强技术，第 80 页。这包括：

• 飞涨，
• 庄稼
• 翻转（水平/垂直）
• 回转
• 缩放
• 剪切
• 频道转换（RGB、HSV）
• 对比
• 噪音，
• 渐晕