为什么 AlexNet、VGG、RestNet、DenseNet 等论文中的 data augmentation 都没有图像旋转？是考虑到旋转对尺寸的影响？还是什么原因？
winter，2018-5-27 17:39:34
NN 包括所有变体，本来就是个黑箱。
在多次迭代中，不断训练更新，
只要迭代的次数够大，也许就自我更新到哪一步时的处理和旋转效果差不多？
ZMikkelsen 发表于 2018-6-2 16:54:19
可能 test 集没有旋转？ 很有意思的问题。可以做个测试
舟 3332 发表于 2018-6-8 21:45:44
卷积操作本身只具有平移不变性，不具有旋转不变性。所以首先应该考虑测试集中会不会出现图像旋转的情况，如果没有就不用考虑。如果测试集中存在图像旋转，那么要看训练集中有没有旋转的图像，如果有（并且足够多），也没必要做旋转的数据增强；如果没有，则需要做旋转的数据增强。总之，训练集和测试集要满足独立同分布，你要在测试集里验证什么信息，首先要在训练集中给出这种信息，神经网络才能够学习到。
nkcr7 发表于 2018-6-9 12:30:42
我觉得主要是看你需不需要增强吧，因为增强的话一般都是数据量不够什么的各种问题，所以。。。这就是为何它们不需要，
而且我觉得主要原因是当时都没人用，现在是趋势而已
ViolinSolo 发表于 2018-7-3 20:23:43
这些操作是数据扩充的方法。据扩充可以增强数据多样性和防止模型过拟合。这些用的 image 的库，李飞飞等已经进行过这些处理了
Lemon 发表于 2018-7-3 20:26:11