Data augmentation란? 데이터 증강 방법과 예시

Data augmentation이란?

Data augmentation는 갖고 있는 데이터셋을 여러 가지 방법으로 augment하여 실질적인 학습 데이터셋의 규모를 키울 수 있는 방법입니다.

Andrew Ng의 Data augmentation 소개 영상을 통해 이 개념을 잘 이해해봅시다!

CV 작업은 더 많은 데이터를 사용할 수 있습니다. 여기서 Data augmentation은 컴퓨터 비전의 성능을 향상시키는 기술의 일종입니다. CV model을 train할 때 Data augmentation는 많은 도움이 됩니다!

Data augmentation의 방법

Common augmentation method

• Mirroring (대칭)
• Random Cropping
• Roatation
• Shearing
• Local wraping
• ...

등이 있습니다.

Color shifting

RGB를 이용한 색변환 방법이 있습니다.

실제로 RGB 값이 특정 확률 분포에 따라 정해집니다. 왼쪽의 고양이는 y로 변하지 않습니다. 색변형을 통해 학습 알고리즘이 색의 변화에 더 잘 반응할 수 있게 해줍니다.

색 변형하는 방법 중 하나로 PCA(주성분 분석) 방법이 있습니다. (AlexNet의 논문에도 언급되어 있습니다.)

Implementing distorions during training

데이터 확대를 구현하는 일반적인 방법은 이런 하나의 thread나 혹은 multi-thread로 데이터를 불러오고 변형을 구현해주고 그것을 다른 thread나 process에 전달해준 뒤 학습을 실행할 수 있습니다.

정리

데이터가 많아진다는 것은 overfitting을 줄일 수 있다는 것을 의미합니다. 갖고 있는 데이터셋이 실제 상황에서의 입력값과 다를 경우, augmentation을 통해 실제 입력값과 비슷한 데이터 분포를 만들 수 있습니다.

예를 들어, 학습한 데이터는 노이즈가 많이 없는 사진이지만 테스트 이미지는 다양한 노이즈가 있는 경우 테스트에서 좋은 성능을 내기 위해서는 노이즈의 분포를 예측하고 학습 데이터에 노이즈를 삽입하여 모델이 노이즈에 잘 대응할 수 있도록 해야 합니다.

Data augmentation는 데이터를 늘릴 뿐 아니라 모델이 실제로 환경에서 잘 동작할 수 있도록 도와줍니다.

Image Data augmentation

이미지 출처

Image Data의 augmentation은 포토샵, SNS 사진 필터, 카메라 앱의 기능과 비슷합니다. 인스타 사진을 업로드 할 때 사용하는 필터도 동일합니다.

또 사진 편집 기능에서 좌우 대칭이나 상하 반전 등의 공간적 배치 조작도 가능합니다.