Зашто је потребна аугментација података?

Процес повећања података је уметничко повећање обима и разноликости скупа података за обуку применом различитих трансформација на оригиналне податке. Ово је посебно важно у задацима машинског учења, где директно утичу на квалитет модела.

Зашто је потребно повећање података:

• Повећање обима података: помаже у избегавању пренаглашавања, када модел превише добро памти податке за обуку.
• Побољшање робусности модела: захваљујући разноликости података, модел учи да буде отпорнији на шум и варијације.
• Симулисање стварних услова: на пример, у рачунарском виду, може се ротирати, скалирати или мењати осветљеност слика како би модел боље препознавао објекте у различитим условима.

Пример повећања слика помоћу библиотеке imgaug:

import imgaug.augmenters as iaa

seq = iaa.Sequential([
    iaa.Fliplr(0.5),           # хоризонтално одраз са вероватноћом од 50%
    iaa.Affine(rotate=(-20, 20)),  # ротација од -20 до 20 степени
    iaa.AdditiveGaussianNoise(scale=0.05*255)  # додавање шума
])

повећане_слике = seq(images=оригиналне_слике)

Овим путем, повећање података помаже да модел буде општији и да побољша свој квалитет са ограниченим бројем почетних података.