软件学报

作者：杨锁荣，杨洪朝，申富饶，赵健

单位：杨锁荣，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 210023;南京大学 计算机科学与技术系, 江苏 南京 21002311,杨洪朝，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 210023;南京大学 计算机科学与技术系, 江苏 南京 21002302,申富饶，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 210023;南京大学 人工智能学院, 江苏 南京 21002303,赵健，南京大学 电子科学与工程学院, 江苏 南京 21002304

关键词：深度学习;图像数据增强;图像识别;泛化性能;计算机视觉

基金：国家自然科学基金(62276127)

深度学习已经在许多计算机视觉任务中取得了显著的成果. 然而, 深度神经网络通常需要大量的训练数据以避免过拟合, 但实际应用中标记数据可能非常有限. 因此, 数据增强已成为提高训练数据充分性和多样性的有效方法, 也是深度学习模型成功应用于图像数据的必要环节. 系统地回顾不同的图像数据增强方法, 并提出一个新的分类方法, 为研究图像数据增强提供了新的视角. 从不同的类别出发介绍各类数据增强方法的优势和局限性, 并阐述各类方法的解决思路和应用价值. 此外, 还介绍语义分割、图像分类和目标检测这3种典型计算机视觉任务中常用的公共数据集和性能评价指标, 并在这3个任务上对数据增强方法进行实验对比分析. 最后, 讨论当前数据增强所面临的挑战和未来的发展趋势.

来源：2025年第3期

《软件学报》期刊编辑部

查看软件学报杂志2025年第3期