图像数据增强技术详解
列举并解释常见的图像数据增强方法，以及自动化增强策略(AutoAugment/RandAugment)的工作原理。
回答
专业代码师
基础增强：
- 几何变换：随机翻转、旋转(±15°)、裁剪、缩放
- 色彩变换：亮度/对比度/饱和度调整、灰度化
- 噪声注入：高斯噪声、椒盐噪声
- 模糊：高斯模糊、运动模糊、中值模糊
高级自动增强：
- Cutout/Random Erasing：随机遮挡矩形区域，提升遮挡鲁棒性
- Mixup (2018)：两张图线性混合，标签也线性混合：
x' = λ*x_i + (1-λ)*x_j - CutMix (2019)：切割一张图区域粘贴到另一张，标签按面积比例混合
- AutoAugment (2018)：用强化学习搜索最优增强策略组合，在ImageNet上提升1-2%
- RandAugment (2019)：简化版，固定N个操作和M幅度参数，无需搜索，效果接近AutoAugment
PyTorch实现：torchvision.transforms 提供全套基础操作，RandAugment 已集成在 torchvision.transforms.autoaugment 中。