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 和 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

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

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

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

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

5. 增强效果对比

原图：

图 6　原图

去雾图片：

图 7　去雾

增雾图片：

图 8　增雾

对比度增强图片：

图 9　对比度增强

直方图均衡化图片：

图 10　直方图均衡化