请列举在图像数据增强中常用的方法和技术有哪些？

回答思路

1. 【回答框架 1】图像数据增强通过对原始图像进行变换生成更多训练样本，以提高模型泛化能力。主要分为几何变换、颜色变换、噪声注入和高级方法。
2. 【回答框架 2】几何变换：包括随机裁剪、水平翻转、旋转、缩放、平移和错切等。这些方法保持图像语义不变，增加模型对位置、角度变化的鲁棒性。
3. 【回答框架 3】颜色变换：例如亮度、对比度、饱和度调整，以及颜色抖动、灰度化。模拟光照变化，增强模型对色彩变化的适应性。
4. 【回答框架 4】噪声注入：如高斯噪声、椒盐噪声，引入随机扰动，提高模型抗噪能力。
5. 【回答框架 5】高级方法：包括Mixup（图像线性组合）、Cutout（随机遮挡）、CutMix（遮挡并混合）以及生成对抗网络（GAN）生成新样本。这些方法结合样本混合或生成技术，进一步提升多样性。
6. 【关键点 1】几何变换（如随机裁剪、翻转）是基础且有效的方法。
7. 【关键点 2】颜色变换模拟光照变化，增强对色彩鲁棒性。
8. 【关键点 3】Mixup、Cutout、CutMix 等混合方法能显著提升模型泛化。
9. 【关键点 4】噪声注入提高模型抗噪能力。
10. 【关键点 5】数据增强不能完全替代真实数据，需根据任务选择合适组合。
11. 【易错点 1】过度增强可能改变图像语义，导致模型学习到错误特征。
12. 【易错点 2】在线增强与离线增强使用不当可能影响训练效率和效果。
13. 【易错点 3】高级方法参数设置不当可能降低模型性能。