数据增强中图像变换对深度网络性能的影响
计算机视觉与模式识别
2023-06-14 v1 机器学习
图像与视频处理
摘要
不能总是期望图像以某种标准格式和朝向出现。深度网络需要经过训练以考虑朝向或格式上出乎意料的变异。为此，训练数据应被增强以包含不同条件。本研究通过实验考察了数据增强对深度网络在超分辨率问题中性能的影响。增强过程共使用了六种基本图像变换。实验中，两个深度网络模型使用经这六种图像变换过程增强的ILSVRC2012数据集变体进行训练。考虑到单一图像变换，观察到经180度旋转增强的数据提供了最佳结果。当模型在以上下翻转过程生成的增强数据上训练时，获得了最不成功的结果。模型在混合所有变换训练时得分最高。
引用
@article{arxiv.2306.07724,
title = {Effects of Data Enrichment with Image Transformations on the Performance of Deep Networks},
author = {Hakan Temiz},
journal= {arXiv preprint arXiv:2306.07724},
year = {2023}
}