前言
- 图像的目标增强普遍的包含旋转，平移，镜像等等，比较新的包括cutout等，其实也是一种连续的dropout
- 图像的增强在我的理解是一种正则，增强模型的泛化能力。从原始图像中得到新的数据在信息论角度还是不太可能。
- 目标检测的图像增强跟普通的图像增强不同的地方是还得考虑bounding box如何进行相应的变化
增强方式（持续更新）
- 裁剪（会改变boundingbox）: 普通的图像裁剪方式，得到新的坐标原点后，将boundingbox相应平移
- 平移（会改变boundingbox) : 跟裁剪类似，也是改变了坐标原点
- 旋转（会改变boundingbox）: 几何变化
- 镜像（会改变boundingbox）: boundingbox的镜像实现方式就是对称位置像素点交换值
- 改变亮度
- 加噪声
- cutout：随机将一块或者多块位置置为黑