模型效果不佳,可以考虑从以下几个方面进行改进
- 数据增广:
(1)基于图像处理的数据增广:
几何变换(旋转、缩放、翻转、剪裁、平移、仿射变换)
颜色空间变换(亮度、对比度、饱和度调整、颜色空间转行、色彩调整)
添加噪声和滤波(注入高斯噪声、椒盐噪声,模糊、锐化)
图像混合mixing image
随机擦除 random erasing
(2) 基于深度学习的数据增广
基于GAN的数据增强:可用于解决类别不平衡问题
神经风格转换:生成不同风格数据,防止模型过拟合
AutoAugment
(3)本文中使用Pytorch进行数据增强,可以调用相关函数直接进行封装。
transforms.Compose([
#剪裁类
transforms.CenterCrop(), #中心剪裁
transforms.RandomCrop(5), #随机剪裁
transforms.RandomResizeCrop(), #随机长宽比例剪裁
transforms.FiveCrop(), #对图像四个角和中心剪裁得到五分图像
transforms