图像增强方法在深度学习图像识别场景应用中的可行性研究

随着深度学习图像识别算法的广泛应用,许多定制化的物体识别场景应用也逐渐在全国落地。由于神经网络需要大规模数据用于训练的特殊性,如何获取大量且种类丰富的数据成为了一个令众多开发人员困扰已久的问题。基于OpenCV的数据增强方法的出现很好地解决了这一问题。通过设计一个实验,在同种识别算法的基础上使用不同增强程度的数据训练得到不同权重。进行相同测试集测试后,在同样到达95%精确率模型权重中,使用图像增强策略训练得到的模型权重所使用的物体原图数量仅仅为不使用增强策略模型权重所使用原图数量的1.43%,验证了使用数据增强在小规模数据上提升AI物体识别场景应用中效果的可行性。