목차

• 데이터 증강이란?
• 이미지 데이터에서 주로 사용하는 증강 기법
  • 1. 기하학적 변환
  • 2. 색상·광학적 변환
  • 3. 노이즈 및 품질 변환
  • 4. 그 외 고급 증강 기법들

데이터 증강이란?

기존 데이터를 변형하여 새로운 학습 샘플을 인위적으로 생성하는 기법

• 모델의 일반화 성능을 향상시키고
• 과적합(overfitting)을 완화하며
• 다양한 변형에 대해서도 잘 학습하고 동작하도록 하기 위함이다.

이를 통해 다음과 같은 효과를 얻을 수 있다.

• 학습 데이터 부족 문제 완화
• 과적합 감소
• 실제와 유사한 데이터 분포 학습 가능

---

이미지 데이터에서 주로 사용하는 증강 기법

1. 기하학적 변환

• 회전 (Rotation)
• 이동 (Translation)
• 확대, 축소 (Scaling)
• 뒤집기 (Flip)
• 자르기 (Crop)
• 기울이기 (Shear)

→ 물체의 위치나 방향이 달라져도 동일한 클래스로 인식해야 하는 문제에 효과적이다.

---

2. 색상·광학적 변환

• 밝기 조절 (Brightness)
• 대비 조절 (Contrast)
• 채도 조절 (Saturation)
• 색조 변화 (Hue)
• 그레이스케일 변환 (Grayscale)

---

3. 노이즈 및 품질 변환

• 노이즈 추가
• 블러(Blur) 적용 등

---

4. 그 외 고급 증강 기법들

• 두 이미지를 선형 결합
• 이미지의 일부 영역 가리기
• 임의 영역을 무작위 값으로 제거

등이 있다.

이러한 증강 기법들을 활용하여 이미지 처리 및 모델 성능 개선을 직접 실습해봐야겠다.