数据增强

数据增强是一种通过对输入图像进行变换来生成更多训练样本的技术。这种方法有助于防止机器学习模型过度拟合特定的训练数据。常见的数据增强方法包括水平或垂直翻转图像、按特定角度旋转图像、应用模糊效果以及添加各类噪声。通过以这种方式丰富训练数据集，模型能够学习到更具通用性的特征，从而在处理未见过的数据时表现得更好。