본문 바로가기
딥러닝 머신러닝 데이터 분석/BoostCampAITech

[LV.3 모델 최적화] #5 Augmentation

by SteadyForDeep 2021. 11. 24.
반응형

1

2 image augmentation

  • shear : 비틀기
  • Translate : 이동
  • Rotate : 회전
  • Contrast : 대비
  • Invert : 역전
  • Equalize : color histogram 평활화, 색 대비 혹은 색 표현이 풍부해 짐
  • AutoContrast : 파라미터는 없고 Contrast histogram을 더 평탄화함
  • Solarize : threshold 를 넘는 픽셀에서 invert
  • Posterize : quantization. 표현을 더 낮은 비트 수로 표현
  • Color : color balance
  • brightness
  • Cutoff : 이미지에 구멍 뚫기

    3 issue

  • 숫자 같은 경우는 뒤집어지면 의미가 달라지는 경우가 생긴다.
  • 과한 augmentation은 절대 존재할 수 없는 이미지를 만들어내기도 한다.
  • 데이터에 따른 적절한 Augmentation의 policy가 필요하다. -> AutoML로 해결해 보자
  • AutoAugment 굉장히 큰 자원을 필요로 한다. -> RandAugment 로 search space를 굉장히 낮춘 시도
반응형

댓글