论文部分内容阅读
当前,在图像目标检测识别方面,深度学习技术已经成为研究的热点。然而深度学习在进行网络训练时需要使用大量的样本,当样本数目较少时,得到的训练模型其检测效果往往不佳。介绍了色彩变换、水平翻转、旋转、亮度变换、缩放、裁剪、添加噪声等不同数据增强方法,并结合VOC2007数据集,采用数据增强技术实现样本扩充。实验结果表明对样本进行数据增强处理,均可以在一定程度上提高图像检测精度。特别是色彩变换、水平翻转、旋转、亮度变换和缩放这五种方法扩展训练集,对最终检测效果提升较为明显。