数据增强
在图像的深度学习中，为了丰富图像训练集，更好的提取图像特征，泛化模型(防止模型过拟合)，一般都会对数据图像进行数据增强，数据增强，常用的方式，就是旋转图像，剪切图像，改变图像色差，扭曲图像特征，改变图像尺寸大小，增强图像噪音(一般使用高斯噪音)等，但需要注意，不要加入其它图像轮廓的噪音。在不同的任务背景下，我们可以通过图像的几何变换，使用一下一种或者多种组合数据增强变换来增加输入数据的量。
- 旋转|反射变换(Rotation/reflection)：随机旋转图像一定角度；改变图像的内容朝向；
- 翻转变换(flip)：沿这水平或者垂直方向翻转图像
- 缩放变换(zoom)：按照一定的比例放大或者缩小图像
- 平移变换(shift)：在图像平面上对图像以一定方式进行平移
数据增强的代码实现
Deep Learning -- 数据增强
原文：http://www.cnblogs.com/fangpengchengbupter/p/7649627.html
