[딥러닝] 성능향상(규제-데이터 확대)

Peter·2021년 7월 7일
0

딥러닝

목록 보기
28/47
post-custom-banner

과잉적합 대응

과잉 적합을 방지하는 가장 확실한 방법은 큰 훈련집합을 사용하는 것!

  • 다른 규제나 모델의 성능 향상을 꾀하지 않아도 훈련집합이 많으면 과잉적합으로부터 자유로워짐

데이터 agument

이동, 회전, 반전

  • MNIST 에서 같은 숫자 사진을 이동, 회전, 반전시켜 데이터량을 증강
  • 수작업 변형, 모든 부류가 같은 변형이 이뤄진다는 단점이 있음

모핑morphing

  • 형태를 찌그려뜨려 일관성있게 증강해온 데이터와 차별화된 다른 데이터를 만들어 냄

자연영상 확대

  • 영상에 조금씩 영역을 잘라내 이동시켜서 데이터를 증가시킴
  • 색상변환도 방법중 한개

잡음을 섞어 확대하는 기법

  • 입력 데이터에 잡음을 섞음
  • 틀린것을 틀리다라고 할 수 있는 성능을 키우는 의도
profile
컴퓨터가 좋아
post-custom-banner

0개의 댓글