《表5 数据扩增技术:深度学习在我国农业中的应用研究现状》
注:3∶1∶1是训练集、验证集、测试集的比例,4∶1或5∶1为训练集与测试集的比例。
由表5可知,应用最多的数据扩增技术有图像随机旋转、剪裁、平移、水平和垂直翻转等方法,以向模型提供不同环境的数据,从而改善模型学习过程,提高模型泛化性能。特别是对那些只采集了少量数据的研究;比如在黄瓜叶部病害识别中采用随机旋转、水平翻转图像[52],在植物叶片图像识别中采用随机水平、垂直翻转及缩放图像[69]等,将扩增的图像和实际采集的图像共同构成数据集,然后在真实图像上进行测试。因此,运用数据扩增技术使他们的模型能够更一般化和更好地应对现实中的复杂场景。
图表编号 | XD00102813400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.15 |
作者 | 吕盛坪、李灯辉、冼荣亨 |
绘制单位 | 华南农业大学工程学院、华南农业大学工程学院、华南农业大学工程学院 |
更多格式 | 高清、无水印(增值服务) |