Miks on andmete suurendamine vajalik?

Andmete suurendamine on protsess, mille käigus kunstlikult suurendatakse treeningandmekogumi, rakendades erinevaid teisendusi algandmetele. See on eriti oluline masinõppe ülesannetes, kus andmete kvaliteet ja kogus mõjutavad otseselt mudeli kvaliteeti.

Miks on andmete suurendamine vajalik:

• Andmete mahu suurendamine: aitab vältida üleõppimist, kui mudel mäletab treeningandmeid liiga hästi.
• Mudeli vastupidavuse parandamine: andmete mitmekesisuse tõttu õpib mudel olema vastupidavam müra ja variatsioonide suhtes.
• Reaalsete tingimuste simulatsioon: näiteks arvutinägemise puhul saab pöörata, skaleerida või muuta piltide heledust, et mudel paremini tuvastaks objekte erinevates tingimustes.

Näide piltide suurendamisest imgaug teegiga:

import imgaug.augmenters as iaa

seq = iaa.Sequential([
    iaa.Fliplr(0.5),           # horisontaalne peegeldus 50% tõenäosusega
    iaa.Affine(rotate=(-20, 20)),  # pööramine -20 kuni 20 kraadi
    iaa.AdditiveGaussianNoise(scale=0.05*255)  # müra lisamine
])

suurendatud_pildid = seq(images=algupärased_pildid)

Sellisel viisil aitab andmete suurendamine muuta mudeli üldisemaks ning parandada selle kvaliteeti piiratud algandmete kogumiga.