计算机视觉之数据增强
大部分计算机视觉任务要使用很多的数据，所以数据增强是经常使用的一种技巧来提高计算机视觉系统的表现，当下计算机视觉主要的问题就是没有办法得到充足的数据，所以无论使用的是迁移学习还是别人预训练模型，或者从源代码开始开始，数据增强都是一种可行性很强的方法。下面是计算机视觉中常见的数据增强的方法：
1.垂直镜像对称
2.随机裁剪：裁剪可以得到不同的图片放在数据集中，但其并不是一个完美的数据增强方法。在实践中，这个方法还是很实用的，
3.旋转，扭曲变换(实际中由于太复杂很少使用)
4.色彩转换：给原始图片的RGB通道加上不同的失真值，这样训练集中就有失真的图片。这个操作会使得网络对照片的颜色更具鲁棒性