Что такое аугментация данных?

Аугментация (augmentation, увеличение, усиление, приращение, прирост, “раздутие”) данных для обучения. Аугментацию данных — применяют в машинном обучении (ML). Под аугментацией данных понимается увеличение выборки данных для обучения через модификацию этих данных и создание на этой основе - дополнительных.

Методика создания дополнительных данных из имеющихся данных.

Метод стал применятся для обучения нейронных сетей.

Для достижения хороших результатов глубокие сети должны обучаться на очень большом объеме данных. Следовательно, если исходный обучающий набор содержит ограниченное количество изображений, необходимо выполнить аугментацию, чтобы улучшить результаты модели.

Существует множество вариантов аугментации. Самыми популярными являются следующие: отражение по горизонтали (horizontal flip), случайное кадрирование (random crop) и изменение цвета (color jitter). Можно применять различные комбинации, например, одновременно выполнять поворот и случайное масштабирование. Кроме того, можно варьировать величину насыщенности (saturation) и значения (value) всех пикселей (компоненты S и V цветового пространства HSV).

В 2012 году при обучении сети Alex-Net был использован специальный вариант метода главных компонент (principal component analysis, PCA).

Изменение интенсивности RGB-каналов обучающих изображений.