图像增强如何提升视觉模型性能？

原理：在标注成本固定下，增强 = 对输入施加已知不变性变换，使模型见到更多「等价」样本，降低泛化误差；

常见增强

• 几何：水平翻转、旋转、缩放裁剪、仿射、弹性形变（医学）
• 颜色：亮度、对比度、饱和度、色调抖动

原理：在标注成本固定下，增强 = 对输入施加已知不变性变换，使模型见到更多「等价」样本，降低泛化误差。

常见增强

• 几何：水平翻转、旋转、缩放裁剪、仿射、弹性形变（医学）
• 颜色：亮度、对比度、饱和度、色调抖动；Grayscale
• 遮挡：Cutout、Random Erasing、CutMix（局部替换）
• 混合：Mixup、Mosaic（检测多图拼接）

收益

1. 缓解过拟合，尤其小数据集
2. 提升光照、尺度、遮挡鲁棒性
3. 隐式正则，等效更大 batch 多样性

实现：OpenCV、Albumentations、PyTorch transforms.v2、TensorFlow image 模块。

注意

• 语义保持：文字识别不宜剧烈扭曲
• 检测/分割需 同步变换 bbox/mask
• 过强增强会损害收敛；AutoAugment/RandAugment 学策略

详见 数据增强。