生成 "artificial" 图像用于训练 CNN
Generating "artificial" images for training CNN
我正在尝试识别不同类型的车辆和徽标等。与该领域的大多数工作一样，挑战是缺乏训练图像。
有人试过生成人工图像吗？通过 "drawing" 徽标位于（比如）汽车引擎盖、车辆后部并执行变形（例如改变颜色、形状等）以提供更多样化的训练集。
这种方法是否有指南 and/or 最佳实践？
编辑：投反对票者，至少请评论您投反对票的原因，以便我学习。我不是想拖这个论坛，而是真诚地问了一个问题。如果您不同意，请分享您的想法。
数据增强是解决过拟合问题的众所周知的技术。建议您通过对原始训练图像执行这些扭曲来这样做。这可以通过添加噪声、执行倾斜、旋转、随机裁剪 windows 并在这些 windows 上进行训练来完成。这些只是一些例子。
对生成的图像执行此操作并不是最佳选择，因为生成的图像不如可用的训练图像好。
从这个开始 paper 它解释了 AlexNet 并提到了他们使用的一些技巧，其中包括一些不错的数据扩充。
我正在尝试识别不同类型的车辆和徽标等。与该领域的大多数工作一样，挑战是缺乏训练图像。
有人试过生成人工图像吗？通过 "drawing" 徽标位于（比如）汽车引擎盖、车辆后部并执行变形（例如改变颜色、形状等）以提供更多样化的训练集。
这种方法是否有指南 and/or 最佳实践？
编辑：投反对票者，至少请评论您投反对票的原因，以便我学习。我不是想拖这个论坛，而是真诚地问了一个问题。如果您不同意，请分享您的想法。
数据增强是解决过拟合问题的众所周知的技术。建议您通过对原始训练图像执行这些扭曲来这样做。这可以通过添加噪声、执行倾斜、旋转、随机裁剪 windows 并在这些 windows 上进行训练来完成。这些只是一些例子。
对生成的图像执行此操作并不是最佳选择，因为生成的图像不如可用的训练图像好。
从这个开始 paper 它解释了 AlexNet 并提到了他们使用的一些技巧，其中包括一些不错的数据扩充。