深度学习图像增强技术的全面综述
计算机视觉与模式识别
2023-05-31 v2
摘要
深度学习在计算机视觉中已取得良好性能，但需要大量图像；然而，在许多场景下收集图像昂贵且困难。为缓解此问题，许多图像增强算法作为有效且高效的策略被提出。理解当前算法对于为给定任务寻找合适方法或开发新技术至关重要。本文对用于深度学习的图像增强进行了全面综述，并给出一种新的信息性分类法。为获得为何需要图像增强的基本认识，我们介绍了计算机视觉任务中的挑战与邻域分布。随后，算法被分为三类：无模型、基于模型以及优化策略基。无模型类采用图像处理方法，而基于模型的方法利用可训练的图像生成模型。相比之下，优化策略基方法旨在寻找最优操作或其组合。此外，我们讨论了常见应用的当前趋势以及两个更活跃的话题，利用不同方式理解图像增强（如群与核理论），以及将图像增强部署于无监督学习。基于分析，我们相信本综述有助于更好地理解，从而选择适用方法或设计新颖算法用于实际应用。
引用
@article{arxiv.2205.01491,
title = {A Comprehensive Survey of Image Augmentation Techniques for Deep Learning},
author = {Mingle Xu and Sook Yoon and Alvaro Fuentes and Dong Sun Park},
journal= {arXiv preprint arXiv:2205.01491},
year = {2023}
}
备注
Revision