面向深度学习的图像数据增强综述.pdfVIP

软件学报

ISSN

1000-9825,

CODEN

RUXUEWE-mail:

jos@

2025,36(3):1390−1412

[doi:

10.13328/ki.jos.007263]

[CSTR:

32375.14.jos.007263]

©中国科学院软件研究所版权所有.Tel:

+86-10

*

面向深度学习的图像数据增强综述

1,21,21,34

杨锁荣,

杨洪朝,

申富饶,

赵

健

1(计算机软件新技术国家重点实验室(南京大学),

江苏

南京

210023)

2(南京大学

计算机科学与技术系,

江苏

南京

210023)

3(南京大学

人工智能学院,

江苏

南京

210023)

4(南京大学

电子科学与工程学院,

江苏

南京

210023)

通信作者:

申富饶,

E-mail:

frshen@

摘要:

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.

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

中图法分类号:

TP391

中文引用格式:

杨锁荣,

杨洪朝,

申富饶,

赵健.

面向深度学习的图像数据增强综述.

软件学报,

2025,

36(3):

1390–1412.

http://www.

/1000-9825/7263.htm

英文引用格式:

Yang

SR,

Yang

HC,

Shen

FR,

Zhao

J.

Image

Data

Augmentation

for

Deep

Learning:

A

Survey.

Ruan

Jian

Xue

Bao/Journal

of

Software,

2025,

36(3):

1390–1412

(in

Chinese).

/1000-9825/7263.htm

ImageDataAugmentationforDeepLearning:ASurvey

1,21,21,34

YANG

Suo-Rong,

YANG

Hong-Chao,

SHEN

Fu-Rao,

ZHAO

Jian

1(State

Key

Laboratory

for

Novel

Software

Technology

(Nanjing

University),

Nanjing

210023,

China)

2(Department

of

Computer

Science

and

Technology,

Nanjing

University,

Nanjing

210023,

China)

3(School

of

Artificial

Intelligence,

Nanjing

University,

Nanjing

210023,

China)

4(School

of

Electronic

Science

and

Engineering,

Nanjing

U