yolov4-masaic数据增强方法

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了yolov4-masaic数据增强方法相关的知识,希望对你有一定的参考价值。

参考技术A yolov4-masaic数据增强方法

原文链接: Mosaic数据增强_Alex-CSDN博客_mosaic数据增强

原理:Mosaic数据增强方式简单来说就是把4张图片,通过随机缩放、随机裁减、随机排布的方式进行拼接。根据论文的说法,优点是丰富了检测物体的背景和小目标,并且在计算Batch Normalization的时候一次会计算四张图片的数据,使得mini-batch大小不需要很大,一个GPU就可以达到比较好的效果。

流程图:

优点:

    丰富数据集:随机使用4张图片,随机缩放,再随机分布进行拼接,大大丰富了检测数据集,特别是随机缩放增加了很多小目标,让网络的鲁棒性更好

    减少GPU:直接计算4张图片的数据,使得Mini-batch大小并不需要很大,一个GPU就可以达到比较好的效果

缺点:

    如果我们的数据集本身就有很多的小目标,那么Mosaic数据增强会导致本来较小的目标变得更小,导致模型的泛化能力变差

将 CLAHE 添加到数据增强的最简单方法是啥?

【中文标题】将 CLAHE 添加到数据增强的最简单方法是啥?【英文标题】:What's the easiest way to add CLAHE to Data Augmentation?将 CLAHE 添加到数据增强的最简单方法是什么? 【发布时间】:2021-11-12 07:42:07 【问题描述】:

我是深度学习的新手,目前正在尝试使用 CT 扫描训练分类器。我正在使用 Keras ImageDataGenerator 对我的图像执行动态增强并启用更强大的分类器。

train_datagen = ImageDataGenerator(shear_range = 0.1,
                                   rotation_range = 15,
                                   zoom_range = 0.15,
                                   width_shift_range = 0.1,
                                   height_shift_range = 0.1,
                                   horizontal_flip = False, 
                                   vertical_flip = False, 
                                   preprocessing_function = preprocess_input)

除了上面代码中描述的随机缩放、移动和剪切之外,我还想添加随机 CLAHE 应用程序,有什么简单的方法呢?

【问题讨论】:

【参考方案1】:

测试这个方法:

def AHE(img):
    img_adapteq = exposure.equalize_adapthist(img, clip_limit=0.03)
    return img_adapteq


datagen = ImageDataGenerator(rotation_range=30, horizontal_flip=0.5, preprocessing_function=AHE)

编码愉快!

【讨论】:

以上是关于yolov4-masaic数据增强方法的主要内容,如果未能解决你的问题,请参考以下文章

数据增强的方法都有哪些

深度学习目前几种热门的数据增强方法

深度学习目前几种热门的数据增强方法

数据增强(尚未完成)

自动搜索数据增强方法分享——fast-autoaugment

GridMask:一种数据增强方法