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。我现在做的最好的事情是使用仿射变换（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forum上搜索，但无法获得太多帮助。给出here给出的某些方法的代码，但我不确定哪些方法有用。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

可以找到一个很好的回顾here，关于数据增强的第1部分：即翻转，随机作物和颜色抖动以及灯光噪音：

  

Krizhevsky et al.在2012年训练着名的Alex-Net时提出了PCA。幻想PCA改变了训练图像中RGB通道的强度。

或者你也可以看看Kaggle Galaxy Zoo的挑战：获胜者写了very detailed blog post。它涵盖了相同的技术：

• 旋转，
• 翻译，
• 缩放，
• 翻转，
• 色彩扰动。

如上所述，他们也会实时地，即在训练期间＆＃34;。

例如，这是Facebook的实用Torch implementation（ResNet培训）。

Answer 2

我在my masters thesis, page 80收集了几种增强技巧。它包括：

• 缩放，
• 作物
• 翻转（水平/垂直）
• 轮换
• 缩放
• 剪切
• 频道转换（rgb，hsv）
• 对比度
• 噪声，
• 晕映