google automl 是否自动进行图像增强？
Does google automl do image augmentation automatically?
我正在使用来自 google 的自定义数据集的 automl。数据集由我收集的图像组成。然而，手动标记图像需要一些时间，所以我想通过图像增强来扩大数据集，例如旋转和模糊。 automl 是否自动在屏幕后进行增强？
AutoML 进行了几种类型的数据扩充。这是实现细节，将来可能会更改，恕不另行通知，使用的基本扩充是：
- 随机调整大小/裁剪
- 左右随机翻转
- 随机颜色和亮度失真
- 将来可能会使用/添加更多
如果在您这边进行数据扩充，请遵循最佳实践：
- 如果你增强图像——请将同一图像的所有增强放在数据集的同一部分（训练、验证、测试）——否则模型可能会在不注意的情况下过度拟合（如果几乎相同的图像在训练和验证集）
- 进行在您的上下文中有意义的转换 - 例如旋转 - 如果在典型的用例中您没有得到旋转的图像或旋转的对象 - 那么检测旋转图像的训练模型可能对您的应用程序没有帮助（例如，如果您在实际应用程序中从未见过颠倒的人 - 与颠倒的人一起训练可能不会有益于您的最终模型）。
我正在使用来自 google 的自定义数据集的 automl。数据集由我收集的图像组成。然而，手动标记图像需要一些时间，所以我想通过图像增强来扩大数据集，例如旋转和模糊。 automl 是否自动在屏幕后进行增强？
AutoML 进行了几种类型的数据扩充。这是实现细节，将来可能会更改，恕不另行通知，使用的基本扩充是：
- 随机调整大小/裁剪
- 左右随机翻转
- 随机颜色和亮度失真
- 将来可能会使用/添加更多
如果在您这边进行数据扩充，请遵循最佳实践：
- 如果你增强图像——请将同一图像的所有增强放在数据集的同一部分（训练、验证、测试）——否则模型可能会在不注意的情况下过度拟合（如果几乎相同的图像在训练和验证集）
- 进行在您的上下文中有意义的转换 - 例如旋转 - 如果在典型的用例中您没有得到旋转的图像或旋转的对象 - 那么检测旋转图像的训练模型可能对您的应用程序没有帮助（例如，如果您在实际应用程序中从未见过颠倒的人 - 与颠倒的人一起训练可能不会有益于您的最终模型）。