参考：《解析深度学习——卷积神经网络原理与视觉实践》
网址：http://lamda.nju.edu.cn/weixs/book/CNN_book.pdf
有效的数据扩充不仅能扩充训练样本数量,还能增加训练样本的多样性,一方面可避免过拟合,另一方面又会带来模型性能的提升，但实际使用时需要“量体裁衣”。
更多图像数据扩充方法代码可参见：https://github.com/alegu/imgaug
注：如果是 图像检测任务 或者是 图像分割任务 ，记得 将 图像数据 和 标记数据 进行 同步扩充（比如图像翻转时，对应的标记坐标跟着做相应翻转）
一、常用的数据扩充方法：
水平翻转、随机抠图、尺度变换、旋转、色彩抖动
色彩抖动是在RGB颜色空间对原有RGB色彩分布进行轻微的扰动,也可在HSV颜色空间尝试随机改变图像原有的饱和度和明度(即,改变 S和V通道的值)或对色调进行微调(小范围改变该通道的值)。
二、特殊的数据扩充方法：
Fancy PCA
监督式数据扩充（海康威视研究院提出）——利用高层语义信息
GAN数据扩充
GAN根据随机向量通过生成对抗形式可以生成不同的数据类型，可以作为数据扩充的一种方法。