基本上，为了训练任何基于图像的机器学习或深度学习模型，在目标检测中需要更多的图像来获得更好的分类精度或地图。

在现实世界的场景中，收集某些类的图像是一项艰巨的任务，因为我们在网络的任何地方都找不到这些图像。™在网络的任何地方都找不到这些图像。这可能会导致过合身或不合身。

如果模型不能对训练图像进行分类，则称为欠拟合，这会导致更多的训练误差。拟合不足的原因之一是训练数据集大小或层数较少

如果该模型不能对测试图像进行分类或不能泛化，则该模型被称为过拟合

在这些情况下，数据增强可以极大地帮助增加我们的训练或测试数据集大小。它将对单个图像执行各种操作，如旋转、缩放、缩放等，用于从现有图像创建新图像

使用TensorFlow进行数据增强：

<脚本src=â€�https://gist.github.com/sivasai9398/347079ac77780a0c493894646bca0b7d.js“>https://gist.github.com/sivasai9398/347079ac77780a0c493894646bca0b7d.js

使用TensorFlow数据增强很容易，我们只需输入一张图像，并且应该在keras.preprocessing.image内的图像数据生成器函数中设置各种选项