数据增强

一个优秀的深度学习训练模型通常需要海量数据,如果开发者的原始数据集达不到一定量级,就很难训练出具有泛化能力的模型。基于数据增强的数据集扩容,可一定程度上缓解此类问题。「一站式开发平台」提供了图像层面的增强方法,基于原始数据集单张图片进行转换操作,从而达成对数据集的扩充效果。

与业界开源框架类似,我们也将提供缩放、颜色空间转换、格式转换、翻转旋转、裁剪等增强操作。这些增强方法作为训练前置流程,并不在数据处理模块进行展示。

前置条件

  • 数据集状态必须是「自动标注完成」或「标注完成」
  • 数据增强操作只支持「图片分类」和「目标检测」标注类型的数据集
  • 数据增强操作只针对原始图片进行转换
  • 数据增强可以针对同一批原始图片进行多种转换

增强类型说明

「一站式开发平台」支持多种增强类型算法,包括去雾增雾对比度增强直方图均衡化

增强类型名称说明
dehaze去雾对单张图像数据进行去雾操作
addhaze增雾对单张图像数据进行增雾操作
ACE对比度增强对单张图像数据进行去雾对比度增强
HIST_equalize直方图均衡化对单张图像数据进行直方图均衡化

操作步骤

1. 数据增强

在操作栏点击「数据增强」:

图 1 点击数据增强
图 1 点击数据增强

2. 选择增强类型

进入数据增强界面,选择需要增强的类型(支持多选),点击确定。

图 2 选择数据增强类型
图 2 选择数据增强类型

3. 数据增强中

当前数据集状态变更为「数据增强中」,在这个过程中不允许针对当前数据集进行其他操作:

图 3 数据增强中
图 3 数据增强中

4. 查看增强后的数据集

4.1 图像分类

图像分类数据集数据增强结束后,点击「查看标注」进入详情页:

图 4 图像分类数据增强结果
图 4 图像分类数据增强结果

4.2 目标检测

目标检测数据集数据增强结束后,点击「查看标注」进入详情页:

图 5 目标检测数据增强结果
图 5 目标检测数据增强结果

5. 增强效果对比

原图:

图 6 原图
图 6 原图

去雾图片:

图 7 去雾
图 7 去雾

增雾图片:

图 8 增雾
图 8 增雾

对比度增强图片:

图 9 对比度增强
图 9 对比度增强

直方图均衡化图片:

图 10 直方图均衡化
图 10 直方图均衡化
Last updated on