[CNN] 데이터 증강(Data Augmentation)의 이해

데이터 증강(Data Augmentation) 개요

• 오버피팅을 극복하는 가장 좋은 방법은 다양한 유형의 학습 이미지 데이터의 양을 늘리는 것이다.
• 이미지 데이터는 학습 데이터 량을 늘리기가 쉽지 않다.
• Data Augmentation은 학습 시에 원본 이미지에 다양한 변형을 가해서 학습 이미지 데이터를 늘리는 것과 유사한 효과를 발휘하고자 하는 것.
• 학습 시마다 개별 원본 이미지를 변형해서 학습을 수행하는 것.

Augmentation 유형

공간 레벨 변형

• Flip: Vertical(up/down), Horizontal(left/right)
• Crop: Center, Random
• Affine: Rotate, Translate, Shear, Scale(Zoom)

픽셀 레벨 변형

• Bright, Saturation, Hue, GrayScale, ColorJitter, Contrast, Blur, Gaussian Blur, Median Blur, Noise, Cutout, Histogram, Gamma, RGBShift, Sharpen

참고 자료

딥러닝 CNN 완벽가이드