我有一个不平衡的小数据集，其中包含 4116 张 224x224x3 (RGB) 航拍图像。由于数据集不够大，我很可能会遇到过拟合问题。图像预处理和数据增强有助于解决这个问题，如下所述。
“过度拟合是由于可供学习的样本太少导致您无法训练可以泛化到新数据的模型。如果数据无限，您的模型将暴露于手头数据分布的每个可能方面：您永远不会过拟合。数据增强采用从现有训练样本生成更多训练数据的方法，通过大量随机变换来增强样本，从而产生看起来可信的图像。”
使用 Python 进行深度学习，作者 François Chollet，第 138-139 页，5.2.5 使用数据增强。
我已经阅读了Medium - Image Data Preprocessing for Neural Networks并检查了斯坦福的CS230 - Data Preprocessing和 CS231 - Data Preprocessing课程。它在SO 问题中再次突出显示，我知道没有“一刀切”的解决方案。这是迫使我提出这个问题的原因：
“因为我们想要实现高空间分辨率，所以没有使用翻译增强。”
我知道我将使用Keras - ImageDataGenerator Class，但不知道使用哪些技术和哪些参数来对小对象任务进行语义分割。有人可以启发我吗？提前致谢。:)
from keras.preprocessing.image import ImageDataGenerator
datagen = ImageDataGenerator(
rotation_range=20, # is a value in degrees (0–180)
width_shift_range=0.2, # is a range within which to randomly translate pictures horizontally.
height_shift_range=0.2, # is …