1、 数据增广（Data Augmentation）快速总结：镜像（flip）旋转（rotation）缩放（scale）裁剪（crop）平移（translation）高斯噪声（gaussion noise）图像亮度、饱和度和对比度变化PCA JitteringLable shuffleSDA生成对抗网络（generative adversi network）注：crop、flip、scale是大杀器，color augmentation甚至导致反作用。
2、 数据增广方法2.1 镜像（Flip）您可以水平和垂直翻转（flip）图像。某些框架不提供垂直翻转功能。但是，垂直翻转相当于将图像旋转180度然后执行水平翻转。以下是翻转图像的示例[1]。从左边开始，为原始图像，然后水平翻转图像，然后垂直翻转图像。
4、3 缩放（Scale）图像可以向外缩放（放大）或者向内缩放（缩小）。如向外缩放（scaling outward）时，最终图像尺寸将大于原始图像尺寸，然后大多数图像框架从放大的新图像中剪切出一个部分，其大小等于原始图像。我们将在下一节中处理向内缩放，因为它会缩小图像大小，迫使我们对超出边界的内容做出假设。以下是放大的示例或图像。从左边开始，为原始图像，图像放大10％再裁剪，图像放大20％再裁剪
6、5 平移（Translation）平移（translation）只涉及沿X或Y方向（或两者）移动图像。在下面的示例中，我们假设图像在其边界之外具有黑色背景，并且做适当的平移。这种增广方法非常有用，因为大多数对象几乎可以位于图像的任何位置。这迫使你的卷积神经网络可以无处不在的”look”。从左边开始，原始图像，图像向右平移，图像向上平移。
