北京，2023年10月4日/PRNewswire/–全球领先的全息增强现实（“AR”）技术提供商WiMi全息云股份有限公司（NASDAQ:WiMi）（“WiMi”或“公司”）今天宣布，WiMi正在研究用于图像数据增强的特征转换技术，这是图像数据增强中常用的方法，通过对图像进行一系列特征变换操作来增加图像的多样性和丰富性，从而提高机器学习算法的泛化能力。特征变换可以通过改变图像的颜色、形状、纹理等特征来生成新的图像，从而使模型更好地适应不同的场景和对象。在实际应用中，可以根据具体需要选择和组合不同的特征转换技术，以达到最佳效果。
常见的特征变换是图像旋转。通过执行图像旋转，可以改变图像的角度和方向，从而增加图像的多样性。例如，当训练目标检测模型时，可以将图像随机旋转一定角度，使模型能够更好地适应不同角度的目标。另一种常见的特征转换技术是图像平移。通过对图像执行摇摄操作，可以改变图像的位置和布局，从而增加图像的多样性。例如，当训练图像分类模型时，可以将图像随机平移一定距离，使模型能够更好地适应不同位置的对象。除了旋转和平移之外，还有许多其他特征变换技术可以用于图像数据增强，例如缩放、翻转和剪切。这些技术可以根据具体的应用场景和需要进行选择和组合，以达到最佳效果。
该技术应用于图像数据扩充，可以增加数据样本。例如，通过对原始图像执行旋转、翻转、缩放和平移等特征变换操作，可以生成多个新的图像样本，从而扩展训练数据集的大小，提高模型的泛化能力。通过增加数据的多样性，模型可以更好地适应各种噪声和缺失情况。此外，通过组合应用多种特征变换技术，可以进一步提高模型的泛化能力。通过旋转变换和尺度变换两种特征变换技术，模型在训练过程中可以在不同角度和尺度下接触到更多的图像，从而提高其对旋转和尺度变换的适应性，从而提高模型在实际应用中的性能。
WiMi研究的用于图像数据增强的特征变换技术包括亮度调整、颜色变换、几何变换、噪声添加等。亮度调整包括直方图均衡、对比度拉伸和自适应直方图均衡，可以使图像的细节更加清晰，增强图像的视觉效果。通过改变图像的颜色空间，可以改变图像的色彩和色调。颜色转换包括RGB到灰度转换、RGB到HSV转换和RGB到LAB转换等。这些方法可以使图像的颜色更加生动，增加图像的视觉冲击力。几何变换是指通过进行平移、旋转、缩放和翻转等几何变换来改变图像的形状和结构，使图像的形状更加多样化，增加图像的视觉可变性。噪声添加是指在图像中添加噪声，以模拟真实场景中的噪声情况，从而增加图像的复杂性，使图像更加逼真，增强图像的视觉真实性。
通过综合应用WiMi的上述特征变换技术，可以生成大量的图像样本，从而扩展图像数据集，提高机器学习算法的泛化能力。在实际应用中，我们还可以根据特定任务的需要选择合适的特征转换技术，并将其与机器学习算法相结合进行训练和测试。
