數(shù)據(jù)的數(shù)量和變化對于大多數(shù) ML 模型（例如深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型）的性能非常重要。因此，神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練需要一個(gè)非常大的數(shù)據(jù)集。只有它才能達(dá)到生產(chǎn)就緒模型中預(yù)期的精度。

假設(shè)您有少量可用的數(shù)據(jù)集，不足以訓(xùn)練模型，并且您不知道如何生成具有所需數(shù)據(jù)變體的足夠數(shù)據(jù)集。這正是“數(shù)據(jù)增強(qiáng)”有助于實(shí)現(xiàn)的目標(biāo)。

什么是數(shù)據(jù)增強(qiáng)？

數(shù)據(jù)增強(qiáng)是一種通過向現(xiàn)有數(shù)據(jù)集添加某些變體并將其添加到原始數(shù)據(jù)集以生成“略微修改和乘法”數(shù)據(jù)來人為增加數(shù)據(jù)集體積的技術(shù)。您可以獲取數(shù)據(jù)集中的所有可用樣本，并以不同的方式對其進(jìn)行多次修改，以獲得更大的數(shù)據(jù)集。

數(shù)據(jù)集在模型訓(xùn)練中的重要性

機(jī)器學(xué)習(xí)管道的第一階段是生成或獲取用于訓(xùn)練機(jī)器學(xué)習(xí)模型所需的數(shù)據(jù)集。機(jī)器學(xué)習(xí)模型足夠智能，可以識別訓(xùn)練的對象。但是，如果他們不是培訓(xùn)的一部分，他們就不那么聰明，無法處理不同的場景。

例如，如果訓(xùn)練模型時(shí)所有訓(xùn)練圖像僅在一個(gè)特定方向上對齊，則它可能無法識別水平和/或垂直翻轉(zhuǎn)圖像中的對象。這樣做的原因是它產(chǎn)生的特征與它在訓(xùn)練期間學(xué)習(xí)的特征不同，即使它們屬于同一個(gè)對象。

在大多數(shù)情況下，高質(zhì)量數(shù)據(jù)的可用性始終是一個(gè)大問題。它可能少量可用，也可能根本不可用。在這種情況下，收集足以達(dá)到所需精度的數(shù)據(jù)集將是一個(gè)挑戰(zhàn)。如果數(shù)據(jù)集的數(shù)量不足或變化程度不高，則可能導(dǎo)致擬合不足或過度擬合。

為什么數(shù)據(jù)增強(qiáng)很重要？

在機(jī)器學(xué)習(xí)模型中，收集和標(biāo)記數(shù)據(jù)是一個(gè)繁瑣且成本高昂的過程。數(shù)據(jù)增強(qiáng)可以轉(zhuǎn)換為數(shù)據(jù)集，幫助組織降低運(yùn)營成本。同時(shí)，它解決了數(shù)據(jù)集大小有限和數(shù)據(jù)變化有限的問題。這提高了模型在各種方案中的整體性能。

它是如何工作的？

根據(jù)數(shù)據(jù)集的類型，可以使用不同的數(shù)據(jù)增強(qiáng)技術(shù)。有許多數(shù)據(jù)增強(qiáng)技術(shù)可用于圖像/視頻、音頻和文本數(shù)據(jù)。我們將詳細(xì)探討圖像/視頻數(shù)據(jù)增強(qiáng)方法。

圖像/視頻中的數(shù)據(jù)增強(qiáng)技術(shù)

圖像/視頻將 RGB 信息存儲在 2D 數(shù)組中。主要的數(shù)據(jù)增強(qiáng)技術(shù)可能是改變圖像的方向、改變圖像的分辨率/大小以及改變 RGB（像素）值。

這些選項(xiàng)的不同組合可以導(dǎo)致更多的增強(qiáng)方法。imgaug庫提供了許多不同的圖像數(shù)據(jù)增強(qiáng)選項(xiàng)，如下所示。

算術(shù)：-此類操作更改整個(gè)圖像或其某些部分的像素值。加法和乘法選項(xiàng)將像素值相加和相乘一個(gè)隨機(jī)數(shù)（在預(yù)定義范圍內(nèi)生成）。對于所有像素，此數(shù)字可能相同，對于相鄰像素，此數(shù)字可能不同。有一些選項(xiàng)可以將隨機(jī)像素或像素簇設(shè)置為常量值。類似的選項(xiàng)是為整個(gè)圖像添加某些噪點(diǎn)。此外，還可以反轉(zhuǎn)像素值

藝術(shù)的：-此類別提供了將圖像樣式轉(zhuǎn)換為卡通圖像的選項(xiàng)

模糊：-此類別提供了不同的選項(xiàng)來模糊圖像內(nèi)容?？赡艿倪x項(xiàng)是GaussianBlur，AverageBlur，MedianBlur，BilateralBlur，MotionBlur，MeanShiftBlur

顏色：-此類操作針對色彩空間、亮度、色調(diào)和飽和度。色彩空間選項(xiàng)的一個(gè)示例是將 RGB 轉(zhuǎn)換為 HSV，然后將隨機(jī)值（每個(gè)圖像均勻采樣）添加到 Hue 通道，并轉(zhuǎn)換回 RGB。有一些選項(xiàng)可以對亮度、飽和度和色調(diào)執(zhí)行加法和乘法運(yùn)算。

反差：-此類操作專用于對比度處理。可用選項(xiàng)包括伽馬對比度、Sigmoid 對比度、對數(shù)對比度、線性對比度

卷 積：-顧名思義，此類操作與具有預(yù)定義矩陣值的卷積圖像有關(guān)。它提供了更改清晰度、添加浮雕效果和檢測圖像邊緣的選項(xiàng)

空翻：-這是一個(gè)廣泛使用的選項(xiàng)，它具有水平和/或垂直翻轉(zhuǎn)圖像的選項(xiàng)

幾何：-此類操作可以縮放圖像（如放大和縮小），移動圖像（水平和/或垂直）并向圖像的另一端添加填充，以及旋轉(zhuǎn)圖像

Imgcorruptlike：-此類選項(xiàng)會向圖像添加不同的噪點(diǎn)，例如高斯噪點(diǎn)、散粒噪點(diǎn)、脈沖噪點(diǎn)、散斑噪點(diǎn)。它還提供不同的圖像模糊選項(xiàng)，如高斯模糊、玻璃模糊、散焦模糊、運(yùn)動模糊、縮放模糊。此外，還可以應(yīng)用霧、霜、雪和飛濺效果

大?。?此類別的選項(xiàng)執(zhí)行與圖像大小相關(guān)的操作?？梢愿鶕?jù)特定的高度和寬度或調(diào)整大小的百分比調(diào)整圖像大小。圖像的裁剪和填充可以應(yīng)用于圖像的特定大小

圖像數(shù)據(jù)增強(qiáng)通過生成所需級別的數(shù)據(jù)集，無疑提高了模型的準(zhǔn)確性。

審核編輯：郭婷