Augmentační techniky ve strojovém učení: Zlepšení výkonu a omezení nadměrného vybavení

Augmentace je technika používaná ve strojovém učení ke zvětšení velikosti trénovací datové sady vytvářením nových příkladů ze stávajících. Cílem augmentace je poskytnout modelu rozmanitější sadu vstupů, které mohou zlepšit jeho výkon a omezit nadměrné přizpůsobení.

Existuje mnoho různých způsobů, jak provést augmentaci, ale některé běžné techniky zahrnují:

1. Otáčení a překlápění obrázku: Otáčení a překlápění obrázků může vytvářet nové varianty stejného vstupu, což umožňuje modelu naučit se rozpoznávat objekt z různých úhlů a orientací.
2. Oříznutí a odsazení: Oříznutí a odsazení zahrnují odstranění nebo přidání pixelů k okrajům obrázku. To může pomoci modelu naučit se rozpoznávat objekt, i když jsou jeho části zakryté nebo chybí.
3. Chvění barev: Změna vyvážení barev nebo intenzity obrazu může vytvořit nové variace, které model ještě neviděl, což mu pomůže naučit se rozpoznávat objekt v různých světelných podmínkách.
4. Injekce šumu: Přidáním šumu do obrazu lze simulovat variace v reálném světě a pomoci modelu stát se odolnějším vůči hlučným vstupům.
5. Mixup: Mixup zahrnuje spojení dvou nebo více obrázků do jednoho vstupu, což umožňuje modelu naučit se rozpoznávat objekt, i když je přítomen v nepřehledné nebo složité scéně.
6. CutMix: CutMix zahrnuje náhodné oříznutí části obrázku a jeho vložení do jiného obrázku, čímž se vytvoří nová varianta, kterou model ještě neviděl.
7. Náhodné mazání: Náhodné mazání částí obrázku může vytvořit nové variace, které model ještě neviděl, což mu pomůže naučit se rozpoznávat objekt, i když jeho části chybí.…8. Přenos stylu: Přenesením stylu jednoho obrázku na druhý můžete vytvořit nové variace, které model ještě neviděl, což mu pomůže naučit se rozpoznávat objekt v různých stylech a světelných podmínkách. objekty a vzory robustnějším a zobecnitelným způsobem, což vede k lepšímu výkonu na neviditelných datech.