我正在研究一个图像分割项目，并一直在尝试采用图像增强技术来增加训练集的大小。起初，我只是尝试使用水平翻转将图像尺寸放大一倍，但我发现性能比不使用差很多。有没有什么见解可以分享一下。谢谢。
所以基本上你需要回答自己一个重要的问题：翻转图像在您的域中是有效图像吗？
- 如果不是 - 那么它可能会损害您的训练过程，因为您向网络提供了无效的输入，该输入可能会学习数据中的网络虚假模式。翻转可能会损害您的训练的情况并不罕见 - 例如在徽标识别中，为了正确学习徽标，不要改变数据的方向，这一点很重要。
-
如果是，那么可能有很多不同的原因导致你的模型开始表现得更糟。其中之一可能是它的容量太小，无法学习数据中的所有模式。其次 - 你没有足够的例子 - 当你添加翻转的图像时，事实证明它实际上记住了你的训练案例的负载。另一件事是，也许你学习它的时间太短，将迭代次数设置为更大的值可能是一个好主意。
有一点是肯定的 - 由于翻转的数据是有效的，因此您的模型不能很好地概括。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
