随机裁剪是一种数据增强技术，通过从图像中提取随机子区域来增加训练数据的多样性。 这种方法通过让机器学习模型接触同一图像的不同组成部分，帮助其更好地泛化。 例如，在图像分类任务中，使用随机裁剪训练的模型学会识别对象，而不管它们在框架中的位置如何，从而减少对特定空间模式的过度依赖。 该过程包括在原始图像中选择一个较小的窗口，改变裁剪区域的位置，有时还改变裁剪区域的大小，这迫使模型适应局部视图和变化的上下文。
在实践中，随机裁剪通常使用 TensorFlow 或 PyTorch 等库来实现。 例如，在 PyTorch 的 transforms.RandomCrop 函数中，开发人员指定输出大小（例如，对于像 ResNet 这样的模型，为 224x224 像素）和可选参数（如填充）。 裁剪是在图像边界内随机定位的，确保每个训练迭代接收略微不同的输入。 如果原始图像小于目标裁剪大小，则可以首先应用填充。 一个关键细节是是否保持原始宽高比。 一些实现使用固定大小的正方形裁剪，而另一些则允许矩形区域，具体取决于任务。 对于对象检测，裁剪可能会受到限制，以避免切掉关键元素，并使用边界框元数据来指导区域选择。
使用随机裁剪时，开发人员必须在可变性和相关性之间取得平衡。 例如，过于激进的裁剪可能会删除关键特征（例如，动物分类任务中狗的头部），从而导致嘈杂的训练信号。 为了缓解这种情况，通常会采用在裁剪之前缩放原始图像或设置与标记区域的最小重叠阈值（在监督任务中）等技术。 随机裁剪经常与其他增强技术（如水平翻转或颜色调整）相结合，以最大限度地提高数据多样性。 但是，对于需要精确空间关系的任务（例如，医学图像分割，其中一致的定位很重要），它的效果较差。 经过适当调整后，随机裁剪是一种简单而强大的工具，可以以最小的计算开销来增强模型的鲁棒性。