几何数据增强是一种在机器学习，尤其是在计算机视觉领域中使用的技术，通过对图像应用几何变换来人工增加训练数据的多样性。这些变换会修改数据的空间结构，同时保留其核心内容。目标是通过让模型接触其在真实场景中可能遇到的变体，帮助模型更好地泛化。例如，一个训练用于识别图像中物体的模型，在推理过程中可能会遇到这些物体的旋转、翻转或偏移版本。几何增强确保模型能够处理此类情况，而无需额外的标注数据。
常见的几何变换包括旋转、翻转、缩放、裁剪、平移（水平或垂直移动像素）和错切（倾斜图像）。例如，水平翻转图像通常用于人脸检测任务，以应对不同方向的人脸。裁剪可以模拟部分遮挡或框架内不同的物体位置。当结合多种变换时（例如将图像旋转 30 度后再缩放 20%），模型会学习识别复合变化下的物体。然而，参数的选择（例如旋转范围或缩放因子）必须与问题的背景相符。过度变换，例如将手写数字旋转 180 度（将“6”变成“9”），如果管理不当可能会引入标签噪声。
使用 TensorFlow 的 Keras 或 PyTorch 的 torchvision 等库实现几何增强非常简单。例如，在 Keras 中，您可以在模型的预处理管道中添加诸如 RandomFlip、RandomRotation 或 RandomZoom 之类的层。开发者可以通过超参数（例如 factor=0.2 表示 20% 的缩放范围）控制变换的强度。重要的是评估这些变换是否与数据的自然变化相符——增强医学扫描图像可能需要比自然图像更小的旋转角度。通过可视化检查增强后的数据并在训练期间监控模型性能有助于避免无效或适得其反的变换。通过系统地应用几何增强，开发者可以在不增加手动数据收集工作量的情况下构建更鲁棒的模型。