8.计算机视觉—增广和迁移
目录
- 1.数据增广
- 数据增强
- 数据增强的操作
- 代码实现
- 2.微调 迁移学习 Transfer learning（重要的技术）
- 网络结构
- 微调：当目标数据集比源数据集小得多时，微调有助于提高模型的泛化能力。
- 训练
- 固定一些层
- 总结
- 代码实现
1.数据增广
CES上的真实故事
- 有一家做智能售货机的公司，发现他们的演示机器在现场效果很差，因为现场
- 不同的色温
- 桌面的灯光反射不一样
- 他们连夜在现场收集了数据，训练一个新的模型，同时买了一块新桌布
数据增强
- 对一个已有数据集，使用方法添加噪音，使得有更多的多样性从而使得模型泛化性能更好
- 在语言里面加入各种不同的背景噪音
- 改变图片的颜色和形状
在使用增强数据训练时，一般是在线随机生成的，不是先保存下来，再送入训练
数据增强的操作
- 翻转（左右翻转，上下翻转）
- 切割
- 从图片中切割一块，然后变形到固定形状
- 随机高宽比
- 随机大小
- 随机位置
- 从图片中切割一块，然后变形到固定形状
- 颜色
- 改变色调
- 饱和度
- 明亮度
- 高斯模糊
- 锐化
代码实现
#为了便于观察图像增广的效果，我们下面定义辅助函数apply。 此函数在