北京，2023年10月4日/PRNewswire/–全球領先的全息增強現實（“AR”）技術提供商WiMi全息雲股份有限公司（NASDAQ:WiMi）（“WiMi”或“公司”）今天宣布，WiMi正在研究用于圖像數據增強的特征轉換技術，這是圖像數據增強中常用的方法，通過對圖像進行一系列特征變換操作來增加圖像的多樣性和豐富性，從而提高機器學習算法的泛化能力。特征變換可以通過改變圖像的顔色、形狀、紋理等特征來生成新的圖像，從而使模型更好地适應不同的場景和對象。在實際應用中，可以根據具體需要選擇和組合不同的特征轉換技術，以達到最佳效果。
常見的特征變換是圖像旋轉。通過執行圖像旋轉，可以改變圖像的角度和方向，從而增加圖像的多樣性。例如，當訓練目标檢測模型時，可以将圖像随機旋轉一定角度，使模型能夠更好地适應不同角度的目标。另一種常見的特征轉換技術是圖像平移。通過對圖像執行搖攝操作，可以改變圖像的位置和布局，從而增加圖像的多樣性。例如，當訓練圖像分類模型時，可以将圖像随機平移一定距離，使模型能夠更好地适應不同位置的對象。除了旋轉和平移之外，還有許多其他特征變換技術可以用于圖像數據增強，例如縮放、翻轉和剪切。這些技術可以根據具體的應用場景和需要進行選擇和組合，以達到最佳效果。
該技術應用于圖像數據擴充，可以增加數據樣本。例如，通過對原始圖像執行旋轉、翻轉、縮放和平移等特征變換操作，可以生成多個新的圖像樣本，從而擴展訓練數據集的大小，提高模型的泛化能力。通過增加數據的多樣性，模型可以更好地适應各種噪聲和缺失情況。此外，通過組合應用多種特征變換技術，可以進一步提高模型的泛化能力。通過旋轉變換和尺度變換兩種特征變換技術，模型在訓練過程中可以在不同角度和尺度下接觸到更多的圖像，從而提高其對旋轉和尺度變換的适應性，從而提高模型在實際應用中的性能。
WiMi研究的用于圖像數據增強的特征變換技術包括亮度調整、顔色變換、幾何變換、噪聲添加等。亮度調整包括直方圖均衡、對比度拉伸和自适應直方圖均衡，可以使圖像的細節更加清晰，增強圖像的視覺效果。通過改變圖像的顔色空間，可以改變圖像的色彩和色調。顔色轉換包括RGB到灰度轉換、RGB到HSV轉換和RGB到LAB轉換等。這些方法可以使圖像的顔色更加生動，增加圖像的視覺沖擊力。幾何變換是指通過進行平移、旋轉、縮放和翻轉等幾何變換來改變圖像的形狀和結構，使圖像的形狀更加多樣化，增加圖像的視覺可變性。噪聲添加是指在圖像中添加噪聲，以模拟真實場景中的噪聲情況，從而增加圖像的複雜性，使圖像更加逼真，增強圖像的視覺真實性。
通過綜合應用WiMi的上述特征變換技術，可以生成大量的圖像樣本，從而擴展圖像數據集，提高機器學習算法的泛化能力。在實際應用中，我們還可以根據特定任務的需要選擇合适的特征轉換技術，并将其與機器學習算法相結合進行訓練和測試。
