深度学习图像增强6

目标

• 知道图像增强的常用方法
• 能够利用tf.keras来完成图像增强

1.常用的图像增强方法

图像增强（image augmentation）指的是通过剪切；旋转/反射/翻转；缩放；平移；尺度调节；对比度调节；噪声干扰；颜色调节等多种单一或多种组合方式的数据增强变换方法来增大数据集容量。其意义在于通过一系列随机变化生成相似但又有区别的训练样本；从而显著地扩展了训练数据集的规模。同时能够有效降低模型对某些属性的高度依赖；从而提升模型泛化能力。

常见的图像增强方式可以分为两类：几何变换类和颜色变换类

图像几何变换类型主要涉及对图像实施的各种几何操作包括反转、旋转、截取、形变以及缩放等技术

• 颜色变换类，指通过模糊、颜色变换、擦除、填充等方式对图像进行处理

可以通过 tf.image 库来进行图像增强。同时还可以借助于 tf.keras.image_gen