【问题标题】:Why does distorting images improve training on a neural network?为什么扭曲图像会改善神经网络的训练?
【发布时间】:2018-10-18 02:15:49
【问题描述】:

我不明白为什么扭曲图像(例如翻转图像、增加伽马强度)会以某种方式提高神经网络的准确性。

在我的情况下,我正在使用 CNN 来检测图像中是否存在狗,建议我添加失真。

【问题讨论】:

  • 为什么不是真正的编程问题,这更适合:stats.stackexchange.com
  • 不是深度学习专家。但是你当然不是说给所有的训练集增加失真?我认为您所指的只是标准数据增强以获得更多样化的训练集。如果有错误,我很乐意得到某人的纠正。

标签: neural-network computer-vision distortion


【解决方案1】:

实际上,@Ash 是对的。您不会扭曲所有图像。如果将其添加到其中一些,神经网络能够更好地泛化,因此更健壮并且不受某些噪声的影响。

【讨论】:

  • 或者复制应用了不同增强的图像。例如,您可以拥有 100 张训练图像以及 100 多个翻转版本的训练图像。
猜你喜欢
  • 2017-05-28
  • 1970-01-01
  • 2017-10-12
  • 2011-04-07
  • 1970-01-01
  • 2015-06-02
  • 2016-08-17
  • 2015-05-22
  • 2010-11-20
相关资源
最近更新 更多