neural-network - 为什么扭曲图像会改善神经网络的训练?
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。
解决方案
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。
推荐阅读
- python - 如何为多索引熊猫数据框组合重复的标题列?
- jquery - 格式化数据表中的日期列
- python - 即使导入了pk,也没有反向匹配错误
- sql - Entity Framework 6 中的双重上下文使调用变慢?
- apache-spark - 如果启用 Apache Arrow,SparkR 代码将失败
- regex - PowerShell 多行匹配与正则表达式
- java - 如何将 oAuth2.0 与 Spring boot 1.5.8.RELEASE 集成
- python - 如何将模型从 python 烧瓶迁移到 heroku 中的 cleardb mysql 数据库?
- git - 有没有办法在变基之前提前知道/估计冲突提交和文件的数量?
- excel - 创建 Excel 数据库以根据 ID 查找值以生成要打印的 jpg 或 pdf 形式的证书