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？
machine-learning image-processing computer-vision neural-network deep-learning
我正在训练卷积神经网络,但有一个相对较小的数据集.所以我正在实施增强它的技术.现在,这是我第一次研究核心计算机视觉问题,因此对它来说相对较新.为了进行扩充,我阅读了许多技术,其中一篇在论文中被大量提及的是随机裁剪.现在我正在尝试实现它,我已经搜索了很多关于这种技术,但找不到合适的解释.有几个疑问:
随机裁剪如何帮助数据增加？是否有任何库(例如OpenCV,PIL,scikit-image,scipy)在python中隐式实现随机裁剪？如果没有,我该如何实施呢？
python opencv image-processing deep-learning conv-neural-network