训练神经网络时，最理想的状态是让模型具备良好的“通用性”——既能准确捕捉训练数据中的规律，又不会过度记忆导致对新样本的适应能力下降。换句话说，模型需要在未见数据上也保持出色的表现。避免过拟合的方法有很多，其中**数据增强**是相当常用且有效的一种。所谓数据增强，本质上是通过扩展训练数据量，让模型接触更多样的样本，从而学习到更泛化的特征。那么，“更多样”具体体现在哪些方面呢？本文聚焦于图像领域，系统梳理主流的图片数据增强策略，并配合 PyTorch 代码进行实操演示。

既然是讲数据增强，一张图就能说明问题。先来看看可视化辅助函数如何搭建：

import PIL.Image as Image
import torch
from torchvision import transforms
import matplotlib.pyplot as plt
import numpy as np
import warnings

def imshow(img_path, transform):
"""
Function to show data augmentation
Param img_path: path of the image
Param transform: data augmentation technique to apply
"""
img = Image.open(img_path)
fig, ax = plt.subplots(1, 2, figsize=(15, 4))
ax[0].set_title(f'Original image {img.size}')
ax[0].imshow(img)
img = transform(img)
ax[1].set_title(f'Transformed image {img.size}')
ax[1].imshow(img)

Resize/Rescale —— 这个操作用于将图片的高度和宽度统一调整为指定尺寸。例如，下面的代码演示了如何将原始图片缩放至 224×224：

path = './kitten.jpeg'
transform = transforms.Resize((224, 224))
imshow(path, transform)

Cropping

裁剪是指仅保留原图的某一部分作为新图像。比如使用 CenterCrop 可以获取图像中心的指定区域：

transform = transforms.CenterCrop((224, 224))
imshow(path, transform)

RandomResizedCrop

该操作将裁剪与缩放合并为一步：

transform = transforms.RandomResizedCrop((100, 300))
imshow(path, transform)

Flipping

水平或垂直翻转图像，下面演示一次水平翻转的效果：

transform = transforms.RandomHorizontalFlip()
imshow(path, transform)

Padding

填充是指在图像四周按指定像素数进行扩展。例如，每条边各增加50像素：

transform = transforms.Pad((50,50,50,50))
imshow(path, transform)

Rotation

随机旋转一定角度，这里设置为15度：

transform = transforms.RandomRotation(15)
imshow(path, transform)

Random Affine

这是一种保持中心不变的仿射变换，涉及几个关键参数：
degrees：旋转角度；translate：水平和垂直位移；scale：缩放因子；share：裁剪参数；fillcolor：填充区域的颜色。具体用法如下：

transform = transforms.RandomAffine(1, translate=(0.5, 0.5), scale=(1, 1), shear=(1,1), fillcolor=(256,256,256))
imshow(path, transform)

Gaussian Blur

对图像施加高斯模糊，核大小与 sigma 均可调节：

transform = transforms.GaussianBlur(7, 3)
imshow(path, transform)

Grayscale

将彩色图像转换为灰度图：

transform = transforms.Grayscale(num_output_channels=3)
imshow(path, transform)

接下来要介绍的是颜色增强，也称颜色抖动，其核心是通过调整像素值来改变图像的颜色属性。以下方法均围绕颜色变换展开。

Brightness

调节亮度，可使图像变得比原图更亮或更暗：

transform = transforms.ColorJitter(brightness=2)
imshow(path, transform)

Contrast

对比度控制图像最暗与最亮区域的差异程度，同样可作为增强手段：

transform = transforms.ColorJitter(contrast=2)
imshow(path, transform)

Saturation

饱和度衡量颜色的分离程度，数值越大颜色越鲜艳：

transform = transforms.ColorJitter(saturation=20)
imshow(path, transform)

Hue

色调直接改变图像中颜色的基调：

transform = transforms.ColorJitter(hue=2)
imshow(path, transform)

总结

总而言之，对图像施加多样化的变换操作，能够有效帮助模型在未见数据上实现更稳定的泛化，从而避免陷入对训练集的过拟合。数据增强并非高深莫测的秘技，但合理运用确实能大幅提升模型的鲁棒性与实际表现。