Data augmentation은 컴퓨터 비전 모델에 대한 교육 데이터의 다양성을 증가시키는 데 사용되는 기술입니다. 그것은 새로운, 인공적으로 변형 된 이미지로 데이터 세트를 확장하여 데이터의 확장에 의해 모델의 능력을 향상 시키는 데 도움이됩니다. 효과적인 데이터 낙관 전략을 구현하는 것은 컴퓨터 비전 시스템의 성능과 견고성을 향상시킬 수 있습니다.

일반 데이터 Augmentation 기술

몇몇 기술은 augment 이미지 자료 세트에 널리 이용됩니다. 이 방법은 모형이 invariant 특징을 배우는 것을 돕는 변이를 소개합니다. 일반적인 기술은 다음을 포함합니다:

  • Rotation: 다른 방향을 시뮬레이션하기 위해 작은 각도로 이미지를 회전.
  • Flipping: symmetry에 대한 계정으로 수평 또는 수직 플립.
  • Scaling:다른 스케일로 이미지를 재구성합니다.
  • Color Jitter: 밝기, 대비, 또는 포화를 무작위로 변경합니다.
  • 자르기: 다른 지역에 초점을 맞추기 위해 이미지의 무작위로 작물 부품.

고급 데이터 Augmentation 전략

기본 기법을 넘어 고급 방법은 모델을 더 강화 할 수 있습니다. 이들은 다음과 같습니다 :

  • Mixup: 새로운 교육 샘플을 만들기 위해 두 개의 이미지와 라벨을 결합합니다.
  • Cutout: 이미지의 섹션을 무작위로 마커 공간의 변수를 개선합니다.
  • Random Erasing: 의 이미지의 제거 부분의 훈련을 시뮬레이션하는 망설임.
  • Geometric Transformations: 시각 변경 또는 탄력 있는 왜곡 적용.

구현 팁

효과적으로 데이터 낙태를 적용하려면 다음 팁을 고려하십시오.

  • 데이터의 실제 변화에 반영하는 augmentation 기법을 사용합니다.
  • 특정 패턴에 대한 과잉을 방지하기 위해 무작위로 변환합니다.
  • Class Distribution을 유지하기 위한 Balance 증강 데이터
  • 효율을 위한 교육 파이프라인에 augmentation을 통합합니다.