模型微调》文本情感分类文本情感分类文本分类是自然语言处理的一个常见任务，它把一段不定长的文本序列变换为文本的类别。后续内容将从以下几个方面展开：文本情感分类数据

1裁剪(需改变bbox)2. 平移(需改变bbox)3. 改变亮度4. 加噪声5. 旋转角度(需要改变bbox)6. 镜像(需要改变bbox)7. cutout 需要增强多少以及运用什么增强可以自己设置。重点看387行到422行，自己修改需要的东西。513行以下设置自己的路径。

抽烟检测一共2500多张图片含负样本，训练测试比例为8：2。进行了数据划分，数据增强，数据清洗，负样本添加，可以直接下载使用。准确率可达0.98+

代码可运行 直接输入图片转成自己想要的输出如IMG和对应的XML。 遇到BUG可联系本人进行调试，最重要的是要修改自己的路径就可以完成任务，若果想大量增加数据 则在运行时把循环次数进行修改。原博客https://blog.csdn.net/wilbur520/article/details/107760805

代码包括遥感影像的单图裁剪、批量裁剪；训练集、验证集和测试集的切分；目标检测和语义分割影像的数据增强；32/16位深度转8位深度。 1、主要用于深度学习领域的遥感影像数据处理，主要针对输入数据为tif，转为jpg、png格式，并将数据裁剪为网络可以训练的大小，可以手动调节裁剪步长（即有重叠或无重叠），可以对单张图像进行裁剪，也可对文件夹内的所有图片进行裁剪。 2、可以根据想要划分的训练集、验证集和测试集的比例进行划分，如9:1:1. 3、本代码还提供了用于目标检测和语义分割任务的数据的增强，主要包括仿射变换、平移翻转等。 4、此外，代码还针对遥感影像位深度32或者16的转为8位的操作。 本代码可修改性强，为方便理解，每部分代码都进行的标注。本文件共包含10个python文件。

resnet18 汉字的数据增强与识别

人工智能训练数据增强Mosaic Mixup 1、test_load_mosaic_mixup，使用mosaic_mixup方法增强数据； 2、test_replace_black_block,替换混合增强数据中的黑色块 └── test_thread_fun ,多线程进行替换 └── test_imgContours，使用查找到的轮廓生成图片中感兴趣区域

训练数据 数据分类和目标检测的非常关键的数据增强算法

经常用于目标检测的方法的数据增强的方法

torch-sample : pytorch的数据增强和采样