《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》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《深度学习在我国农业中的应用研究现状》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。