由于数据集规模不足，该如何处理？数据集扩充的策略。
5星
- 浏览量: 0
- 大小:None
- 文件类型：None
简介：
在学习深度学习并编写代码的过程中，我遇到的一个挑战是数据集中的图像数量相对有限，仅有1406张，并且进一步划分为四个类别，其中每个类别只有大约300张图像。为了进一步细化数据集，我将其分为训练集、验证集和测试集，这导致图像数量进一步减少。由于训练图像数量不足，深度学习模型的准确度往往难以达到理想水平。为了解决这个问题，我尝试了扩充数据集的方法，包括对图像进行亮度增强、对比度增强、水平翻转以及随机方向旋转等操作。最终，我成功地将原本的1406张图像扩充到了7030张。以下是一个Python程序示例，用于实现亮度增强功能：
```python
from PIL import ImageEnhance
import os
import numpy as np
from PIL import Image
def brightnessEnhancement(root_path,img_name):
#亮度增强
img = Image.open(os.path.join(root_path, img_name))
enhancer = ImageEnhance.Brightness(img)
new_img = enhancer.enhance(1.5) # 调整亮度系数
new_img.save(os.path.join(root_path, img_name))
```
全部评论 (0)
还没有任何评论哟~
