图像增强是一种通过变换现有数据集中的图像（例如，对图像应用灰度效果）来创建新图像的技术。这种增强的图像能够帮助模型更好地“泛化”到新的数据上，从而提高模型的准确性。通过Roboflow平台，可以为关键点检测项目生成增强图像。这个功能集成在数据集版本控制系统中，它允许生成多个版本的数据集，并对每个版本应用不同的增强效果。
首先，需要创建一个Roboflow账户。一旦账户创建完成，导航到Roboflow仪表板并点击“创建项目”按钮。将被带到一个页面，在那里可以创建一个项目。在项目创建页面，为项目设置一个名称，然后选择“关键点检测”项目类型。点击“创建项目”按钮来创建项目。
项目创建完成后，需要为项目配置骨架。然后，可以将数据上传到Roboflow。创建项目时，系统会要求为数据集添加类别：如果打算上传标注过的数据，类别名称必须与数据集中的类别完全匹配。否则，可以随意命名类别。添加类别后，系统会要求创建一个骨架。骨架描述了关键点的结构以及它们在标注工具中的关系。
要创建一个关键点，点击网格并给该点命名。可以添加任意数量的关键点。配置完一个关键点类别后，点击“保存”以保存该类别。当准备好上传图像（和标注，如果有的话）时，点击左侧边栏的“上传”。可以上传原始图像或带有COCO关键点数据的图像。上传原始或标注过的图像时，将数据拖放到数据集上传页面：
图像首先会在浏览器中进行处理。然后，会出现一个“保存并继续”按钮。点击这个按钮后，图像（和上传的任何标注）将被上传。上传过程所需的时间将取决于想要上传的图像数量以及互联网连接强度。如果数据集中有未标注的数据，可以使用Roboflow Annotate，这是一个基于Web的标注工具，来标注它。了解更多关于标注关键点检测数据集的信息。
一旦为训练模型标注了数据，可以生成一个数据集版本。数据集版本是数据集的一个快照，它是在特定时间点冻结的。可以为包含在数据集版本中的增强图像生成数据集版本。要生成数据集版本，点击左侧边栏的“生成”按钮。然后，将被带到数据集生成页面。在这个页面上，可以为数据集版本指定几个参数，包括训练-测试-验证拆分、预处理步骤和增强效果。
对于本指南，将所有值保留为默认值，并专注于增强选项。滚动到增强部分，然后点击“添加新增强”按钮。一个窗口将出现，提供两种类型的增强选项：图像级和边界框级。图像级增强应用于整个图像，而边界框级增强仅应用于边界框的区域。在这种情况下，边界框指的是可以围绕所有关键点的最近盒子。
要配置增强，选择想要应用的增强。然后，将看到该增强的配置选项。每个增强都有其自己的配置选项可用。例如，如果选择亮度增强，可以配置新增强图像将变得更亮、更暗或两者兼有的范围。配置完增强后，点击“应用”以保存增强选项。可以应用任意数量的增强，尽管更多的增强并不意味着更好的模型性能。添加错误的增强可能会使模型表现更差。要了解如何应用图像增强的最佳实践，请参考图像增强和预处理指南。
配置完数据集版本后，滚动到页面底部并点击“创建”。最大版本大小指的是在生成并添加增强图像后数据集中将有多少图像。建议将此值设置为2倍或3倍。点击“创建”以创建版本。这个过程所需的时间将根据数据集中的图像数量和选择的增强效果而变化。数据集生成过程可能需要从小型数据集的几分钟到大型数据集的几小时不等。
一旦数据集版本准备好，可以选择：使用它在Roboflow上训练模型，或者将数据集导出以在自己的硬件上训练模型。如果在Roboflow上训练模型，可以使用开源的Roboflow推理服务器和Python SDK将模型部署到自己的硬件上。云API也将通过它提供，可以通过它查询模型。如果在自己的硬件上训练模型，如果想要使用推理来部署模型或需要模型的云API，可以选择将其上传回Roboflow。在Roboflow平台上训练模型，点击“使用Roboflow训练”按钮并配置训练作业。要导出数据集，点击“导出数据集”按钮。可以将数据集导出为COCO关键点格式。