1.隨機切割，圖片翻轉，旋轉，等等很多手段都可以增加訓練集，提高泛化能力.
2. Resampling 或者增加噪聲等等，人工合成更多的樣本.
3.對小樣本資料進行仿射變換、切割、旋轉、加噪等各種處理，可以生成更多樣本.
4.用GAN生成資料提供給資料集.
5.找個Imagenet資料集上訓練好的的模型，凍結最後一層或者最後幾層，然後遷移學習+fine tuning，圖片數量少，做一些翻轉，變化，剪下，白化等等.
6.
第一種思路是資料增強，也就是用隨機應對隨機。既然狗子的位置在照片中不固定，那就將原始的圖片隨機的裁剪一下，旋轉一下，將影象的顏色做一些微調，總之就是想象一個熊孩子開啟ps修改了每張狗子的照片，給你留下了一堆看起來和原始的訓練資料差不多的照片作為新的訓練集
7.
水平翻轉Flip
隨機裁剪、平移變換Crops/Scales

顏色、光照變換

最為常用的是：畫素顏色抖動、旋轉、剪下、隨機裁剪、水平翻轉、鏡頭拉伸和鏡頭矯正等。