图像增强会使性能变差

Question

我正在进行图像分割项目,并一直在尝试采用图像增强技术来增加训练集大小.起初,我只是尝试使用水平翻转来使图像大小加倍,但我发现性能比不使用它更糟糕.是否有任何可以分享的见解.谢谢.

Answer 1

所以基本上你需要回答自己一个重要的问题：翻转的图像在你的领域中是有效的图像吗？

1. 如果不是 - 那么它可能会损害您的训练过程，因为您向网络提供了一个无效的输入，这可能会在您的数据中学习您的网络虚假模式。翻转可能会损害您的训练的情况并不少见 - 例如，在徽标识别中，重要的是不要改变数据的方向以正确学习徽标。

2. 如果是 - 那么可能有很多不同的原因导致您的模型开始表现更差。其中之一可能是它的容量太小，无法学习数据中的所有模式。其次——你没有足够的例子——当你添加翻转的图像时，事实证明它实际上记住了你的训练案例。另一件事是，也许您学习它的时间太短，将迭代次数设置为更大的值可能是个好主意。

   有一件事是肯定的 - 您的模型不能很好地泛化，因为您翻转的数据是有效的。