Perché è necessaria l'augmentazione dei dati?

L'aumento dei dati è il processo di incremento artificiale del volume e della diversità del set di dati di addestramento attraverso l'applicazione di varie trasformazioni ai dati originali. Questo è particolarmente importante nei compiti di apprendimento automatico, dove la qualità e la quantità dei dati influenzano direttamente la qualità del modello.

A cosa serve l'aumento dei dati:

• Aumentare il volume dei dati: aiuta a evitare il sovrallenamento, quando il modello memorizza troppo bene i dati di addestramento.
• Migliorare la robustezza del modello: grazie alla diversità dei dati, il modello impara a essere più resistente al rumore e alle variazioni.
• Simulare condizioni reali: ad esempio, nella visione artificiale, si possono ruotare, scalare o modificare la luminosità delle immagini affinché il modello riconosca meglio gli oggetti in diverse condizioni.

Esempio di aumento delle immagini con la libreria imgaug:

import imgaug.augmenters as iaa

seq = iaa.Sequential([
    iaa.Fliplr(0.5),           # riflessione orizzontale con probabilità del 50%
    iaa.Affine(rotate=(-20, 20)),  # rotazione da -20 a 20 gradi
    iaa.AdditiveGaussianNoise(scale=0.05*255)  # aggiunta di rumore
])

immagini_aumentate = seq(images=immagini_originali)

In questo modo, l'aumento dei dati aiuta a rendere il modello più generale e a migliorare la sua qualità con un numero limitato di dati originali.