Data Augmentation(데이터 확대)
- 갖고 있는 데이터셋을 여러 가지 방법으로 증강시켜(augment) 실질적인 학습 데이터셋의 규모를 키울 수 있는 방법
- 하드디스크에 저장된 이미지 데이터를 메모리에 로드한 후, 학습시킬 때 변형을 가하는 방법
- 장점
- 데이터가 많아지면서 과적합(overfitting) 방지
- 우리가 가지고 있는 데이터셋이 실제 상황에서의 입력값과 다를 경우, augmentation을 통해서 실제 입력값과 비슷한 데이터 분포를 만들어 낼 수 있음
Image Augmentation
-
Flipping : 거울 반전처럼 좌우 또는 상하로 이미지를 반전시키는 방법
- Flip : 이미지를 대칭하는 기능
- 단, 물체 탐지(detection), 세그멘테이션(segmentation) 문제 등 정확한 정답 영역이 존재하는 문제에 적용할 때에는 라벨도 같이 좌우 반전을 해함
+ 숫자나 알파벳 문자를 인식(recognition)하는 문제에 적용할 때, 상하나 좌우가 반정될 경우 다른 글자가 될 가능성이 있기 때문
-
Gray scale : 3가지 채널(channel)을 가진 RGB 이미지를 하나의 채널을 갖도록하는 기능
- RGB 각각의 채널마다 가중치(weight)를 주어 가중합(weighted sum)을 함
- 사용된 가중치의 경우 합 = 1
-
Saturation : RGB 이미지를 HSV 이미지로 변경하고 S(saturation) 채널에 오프셋(offset)을 적용하는 기능
- HSV : Hue(색조), Saturation(채도), Value(명도)
- 장점 : 이미지를 조금 더 선명하게 만들어 줌
-
Brightness : 밝기 조절
- ex) RGB에서 (255,255,255)는 흰색, (0,0,0)은 검은색을 의미함
- ex) RGB에서 (255,255,255)는 흰색, (0,0,0)은 검은색을 의미함
-
Rotation : 이미지의 각도 변환
- 90도 단위로 돌리지 않는 경우 직사각형 형태에서 기존 이미지로 채우지 못하는 영역을 어떻게 처리해야 할지 유의
- 90도 단위로 돌리지 않는 경우 직사각형 형태에서 기존 이미지로 채우지 못하는 영역을 어떻게 처리해야 할지 유의
-
Center Crop : 중앙을 기준으로 자른 이미지를 사용하는 augmentation 기법
-
기타 : Gaussian noise, Contrast change, Sharpen, Affine transformation, Padding, Blurring
imgaug 라이브러리
- augmentation만을 모아서 제공하는 전문 라이브러리
참고자료
