数据增加(data augmentation),作为一种深度学习中的常用手段,数据增加对模型的泛化性和准确性都有帮助.数据增加的具体使用方式一般有两种,一种是实时增加,比如在Caffe中加入数据扰动层,每次图像都先经过扰动操作,再去训练,这样训练经过几代(epoch)之后,就等效于数据增加.还有一种是更加直接简单一些的,就是在训练之前就通过图像处理手段对数据样本进行扰动和增加. 常见的扰动有:随机裁剪,随机旋转和随机颜色/明暗. 随机裁剪 在裁剪的时候考虑图像宽高比的扰动.在绝大多数用于分类的图