图像数据增广技术研究
姜林
金朋飞
耿杰恒
中国人民解放军63892部队 洛阳 471003
摘要：数据是人工智能的基础,数据集的规模与质量在很大程度上影响着模型的训练效果.在深度学习实践中,常常会面临数据样本数量不足、类别分布不均匀等情况,引发模型无法收敛、过拟合、陷入局部最优等问题,无法达到预期训练效果.为解决这一问题,数据增广技术应运而生.论文针对目标检测领域的图像数据增广技术,从传统数据增广技术和基于深度学习的数据增广技术进行归类整理,归纳了数据增广技术的概念及意义,总结了数据集规模预估方法及影响因素,系统分析各类增广技术的实现方法,为研究人员针对不同模式的数据进行增广提供研究思路.
关键词：数据增广深度学习神经网络
分类号：TP183(自动化基础理论)
论文发表日期：2024-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 19-21,93 )
英文信息