图像识别实验过程(二)图像数据集的扩展 – zhoulixue – 博客园

在训练图像识别的深度神经网络时,使用大量更多的训练数据,可能会使网络得到更好的性能,例如提高网络的分类准确率,防止过拟合等。获取更多的训练样本其实是很好的想法。但是,这个方法的代价很大,在实践中常常是很难达到的。不过还有一种方法能够获得类似的效果,那就是人为扩展训练数据(Artificially expanding the training data)。

对于图像数据我们可以通过旋转,转换,扭曲图像等方式来扩展训练数据,人为扩展训练数据时对数据的操作最好能反映真实世界的变化继续阅读“图像识别实验过程(二)图像数据集的扩展 – zhoulixue – 博客园”