图像数据集增强
数据增强通常通过对原始的图像进行翻转、缩放、添噪等操作进行图像数据扩充，更重要的是，这一系列操作往往并不会改变原始图像的标签，同时还有利于深层次网络的训练学习并能给原始图像数据带来新的特征信息，一方面扩充了原始图像数据集的规模，另一方面降低了网络模型对目标的相关属性的敏感程度，大大提高了网络模型的泛化能力，加速了收敛的过程也极大程度上避免了模型过拟合问题。
(1) 图像缩放：将原始BGA图像按照10%大小比例将进行图像向外缩放和向内缩放。
(2) 图像添噪： 将原始BGA图像添加有零均值特性的高斯噪声，使得图像的高频特征失真来减少对网络性能的影响作用。同时将原始BGA图像添加椒盐噪声。
(3) 图像旋转 ： 将原始BGA图像分别进行顺时针旋转90°、180°和270°。
(4) 亮度调整： 将原始BGA图像的亮度调整为原来的图像的4倍。
该规模从600张扩充到6000张，保证了神经网络模型训练的有效性，并通过程序将数据集按照4：1比例划分训练集和验证集，得到了训练集4800张和验证集1200张
标签：BGA,增强,缩放,模型,原始,图像,数据 来源： https://blog.csdn.net/weixin_45490025/article/details/121742842
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。