数据预处理与增强

通过预处理与增强，提高数据集对不同场景的覆盖，提高模型训练结果的准确率

• 源图像：当前版本的基础数据集，支持查看和额外添加推按到数据集（一般不建议再次添加，因为图片已经经过了初步的标注识别）

• 训练/测试分割：确认数据集中训练集、验证集、测试集的分配比例

• 预处理：分为调整图像大小、灰度设置、对比度设置

TIP

调整图像大小以加快训练速度。
增加灰度设置，从而增强对不同灰度情况下的对象识别准确度。
增加对比度设置，从而增强不同光线条件下，模型的识别准确度。

• 增强：包含翻转、裁剪、亮度、曝光、模糊、噪点

TIP

为图像增加各种干扰条件，以提高模型最终识别的准确度。

• 创建：选择版本大小，创建训练版本

TIP

版本大小=训练集 * 2/3 + 验证集 + 测试集，增加版本大小可以带来更好的模型性能（等于一张图识别多次，取好的结果），但是会带来更长的训练时间。

版本成果

固化预处理信息、数据分割信息的，可直接用于训练的数据集

下一步

基于当前数据集，开始训练

使用建议

如果你需要比较不同数据策略，推荐做法是：

1. 用同一批数据生成多个版本
2. 仅调整预处理或增强配置
3. 分别训练后比较模型指标