網(wǎng)友解答: 謝邀看到悟空問答官方給我推薦這個問題，我不得不說，這推薦是不是有點(diǎn)太精準(zhǔn)了？我才前幾天在酷米號上發(fā)布的Inception Net如何實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)，今天就給我推送這個問題，這一

謝邀

看到悟空問答官方給我推薦這個問題，我不得不說，這推薦是不是有點(diǎn)太精準(zhǔn)了？我才前幾天在酷米號上發(fā)布的Inception Net如何實(shí)現(xiàn)數(shù)據(jù)增強(qiáng)，今天就給我推送這個問題，這一點(diǎn)我不得不服。所以接下來我就直接引用我之前寫過的文章了。

在CNN中，為了增大數(shù)據(jù)量避免模型的過擬合，通常都會對訓(xùn)練數(shù)據(jù)做數(shù)據(jù)增強(qiáng)處理，這篇文章主要介紹在Inception Net中是如何做數(shù)據(jù)增強(qiáng)的，tensorflow官方通過slim已經(jīng)實(shí)現(xiàn)了VGG、Inception、LeNet網(wǎng)絡(luò)的數(shù)據(jù)增強(qiáng)的，官網(wǎng)鏈接如下：https://github.com/tensorflow/models/tree/master/research/slim/preprocessing，Inception Net數(shù)據(jù)增強(qiáng)主要包括以下幾個部分：

1、將圖片的像素縮放到[0,1)

#將圖片的像素值縮放到[0,1)

image = tf.image.convert_image_dtype(image, dtype=tf.float32)

2、隨機(jī)裁剪圖片

image：一個3維的圖片tensor，數(shù)據(jù)的取值范圍在[0,1]，即表示已經(jīng)做了歸一化后的圖片

bbox：box的邊框，[ymin,xmin,ymax,xmax]，默認(rèn)是[0,0,1,1]表示使用的是整張圖片

min_object_covered：在隨機(jī)裁剪圖片的時候必須要包括box邊框的比例

aspect_ratio_range：隨機(jī)裁剪的圖片,寬/高的比例需要滿足的范圍

area_range：隨機(jī)裁剪的圖片需要占圖片的比例

max_attempts：隨機(jī)裁剪，嘗試的最多次數(shù)，超過最大嘗試次數(shù)返回整張圖片

返回的是一張裁剪之后的圖片和隨機(jī)裁剪所選的區(qū)域，后面會通過tensorflow對這個區(qū)域進(jìn)行標(biāo)注，裁剪的圖片就是從這個區(qū)域中選擇的。