【综述】基于深度学习的图像数据增强方法最新进展，48页论文带你快速了解领域进展

【导读】图像数据增强是计算机视觉领域中非常常见技术手段，在大量场景中均有广泛应用，本文为大家编译了图像数据增强中的深度学习方法最新综述文章，希望对大家有所帮助。

介绍：

卷积神经网络在多种计算机视觉任务中均取得了非常好的应用，但这些网络模型依赖大量数据来防止过拟合，但在许多应用场景中，并不具备很多的训练样本，例如，在医学影像分析等。

本篇综述重点关注于数据增强任务，这是一种数据有限场景下的解决方案，可以通过一系列的技术手段，来增强训练数据集的大小和质量，从而可以更加高质量的完成深度学习任务。在本文中，将包含几何变换、颜色空间增强、kernel滤波器，混合图像、随机擦出、特征空间增强、对抗训练、生成对抗网络、神经风格转移和元学习等技术方案。另外，还简要讨论了数据增强的其他特征等内容。

图像数据增强分类：

请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“IDASY” 就可以获取《图像数据增强》完整版PPT下载链接~

内容预览：

更多完整内容，请下载观看

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！550+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程