圖像增強使性能變差

Question

我正在研究圖像分割項目，並一直試圖採用圖像增強技術來增加訓練集大小。起初，我只是嘗試使用水平翻轉來加倍圖像尺寸，但是我發現性能比不使用它差得多。有沒有可以分享的見解？謝謝。

Answer 1

所以基本上你需要回答自己一個重要的問題：翻轉的圖像是你的域中的有效圖像嗎？

1. 如果沒有 - 那麼它可能會損害您的訓練過程，只是因爲你提供了一個網絡，它可以瞭解你的網絡寄生模式在數據輸入無效。翻轉可能會傷害你的訓練並不罕見 - 例如在徽標識別中，爲了正確學習徽標，不要更改數據的方向。

2. 如果是 - 那麼爲什麼你的模型開始表現得更差，可能會有不同的原因。其中之一可能是它的容量太小，並且無法學習數據中的所有模式。其次 - 你沒有足夠的例子 - 當你添加翻轉的圖像時，事實證明它實際上記錄了你的訓練案例的負載。另一件事是，也許你學習的時間太少，並將迭代次數設置爲更大的值可能是一個好主意。

   有一件事是可以肯定的 - 因爲你的翻轉數據是有效的，所以你的模型不能很好地概括。