数据增强的意义是提高训练数据的多样性，使得模型能够在不同环境条件下都有较高的鲁棒性。
具体操作有：
- 光度变形（Photometric Distortions）
- 随机亮度（Random Brightness）
- 随机对比度，色调和饱和度（Random Contrast, Hue, Saturation）
- 随机光噪声（Random Lighting Noise）
- 几何变形（Geometric Distortions）
- 随机扩展（Random Expand）
- 随机缩放（Random Scaling）
- 随机裁剪（Random Cropping）
- 随机翻转（Random Mirror/Flipping）
- 随机旋转（Random Rotating）
以上数据增强的方法都是逐像素（pixel-wise）级别的调整，调整区域的原始像素信息都被完整保留。
另外的一些数据增强的办法是尝试模拟增加一些遮挡情况。
