图像增强

图像增强 (image augmentation)指通过剪切、旋转/反射/翻转变换、缩放变换、平移变换、尺度变换、对比度变换、噪声扰动、颜色变换等一种或多种组合数据增强变换的方式来增加数据集的大小。图像增强的意义是通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模，而且随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的泛化能力。

常见的图像增强方式可以分为两类：几何变换类和颜色变换类

• 几何变换类，主要是对图像进行几何变换操作，包括大翻转，旋转，裁剪，变形，缩放等。
• 颜色变换类，指通过模糊、颜色变换、擦除、填充等方式对图像进行处理