Η αύξηση των δεδομένων είναι μια τεχνική που χρησιμοποιείται στη βαθιά μάθηση για να αυξήσει την ποικιλομορφία των δεδομένων κατάρτισης χωρίς τη συλλογή νέων δεδομένων. Βοηθά στη βελτίωση της γενίκευσης του μοντέλου και μειώνει την υπερβολική προσαρμογή.

Κοινές στρατηγικές για την αύξηση των δεδομένων

Πολλές τεχνικές χρησιμοποιούνται για την αύξηση των δεδομένων, ιδίως σε εργασίες επεξεργασίας εικόνας.

  • ⁇ έτ ⁇ : Περιστρεφόμενες εικόνες κατά ένα ορισμένο εύρος βαθμών.
  • Κοπή: Αλλαγή μεγέθους εικόνων διατηρώντας παράλληλα την αναλογία διαστάσεων.
  • ⁇ ⁇ ⁇ : Οριζόντιες ή κάθετες αναστροφές.
  • Χρώμα Jittering: Αλλαγή φωτεινότητας, αντίθεσης, ή κορεσμού.
  • Κρόψιμο: Τυχαία ή κεντρική καλλιέργεια για να επικεντρωθεί σε διαφορετικά μέρη της εικόνας.

Υπολογισμός για την αύξηση των δεδομένων

Η αύξηση των δεδομένων εφαρμογής περιλαμβάνει τον υπολογισμό της πιθανότητας και της έκτασης των μετασχηματισμών για να εξασφαλιστεί η ποικιλομορφία χωρίς να διακυβευθεί η ακεραιότητα των δεδομένων.

Για παράδειγμα, εάν η εφαρμογή περιστροφής εντός εύρους 0° έως 30°, η μέση γωνία περιστροφής μπορεί να υπολογιστεί ως:

Μέση περιστροφή = (Ελάχιστο + Μέγιστο) / 2 = (0° + 30°) / 2 = 15°

Ομοίως, κατά την εφαρμογή τυχαία καλλιέργεια, το μέγεθος της καλλιέργειας μπορεί να προσδιοριστεί με βάση το αρχικό μέγεθος εικόνας και το επιθυμητό ποσοστό κάλυψης.

Οφέλη από την αύξηση των δεδομένων

Η χρήση τεχνικών αύξησης δεδομένων μπορεί να οδηγήσει σε βελτιωμένη απόδοση μοντέλου εκθέτοντας το μοντέλο σε μια ευρύτερη ποικιλία δεδομένων. Επίσης, βοηθά στη μείωση της υπερταίριασης, ειδικά όταν τα δεδομένα κατάρτισης είναι περιορισμένα.