안녕하세요. keras ImageDataGenerator로 augmentation 실험을 하는데, 아래는 height_shift를 한 결과입니다
궁금한게&nbsp; 아무래도 interpolation으로 정확하게 이동한 영역을 채우다보니 보간이 100%는 안되지만, 저런 점들이 classifitcation에는 큰 도움이 되는 것으로 보이는데 (분류 측면)
그런데 만일 입력 자체가 정답인 오토인코더 모델 같은 경우에는 저런 augmentation 데이터가 오히려 역효과를 불러일으킬 수 있나요?
<img src="https://cdn.inflearn.com/public/files/posts/23ca0edd-5817-42f9-a558-253216d8b08c/blob" />

아, 그러면 ImageDataGenerator에서 rescale만 적용을 해봐야겠네요. 감사합니다

안녕하십니까,
음, autoencoder에 augmentation을 적용해 본 경험이 없지만, auto encoder의 개념과 활용을 생각해 보면 적용하지 않아야 할 거 같습니다.
autoencoder 자체가 원본 이미지에 압축/차원 축소를 적용하는 건데,&nbsp; 여기에 augmentation을 적용했다가는 원하는 결과를 얻는데 오히려 방해가 될 것 같습니다.
감사합니다.

인프런 커뮤니티 질문&답변

augmentation 데이터에 대해서 질문이 있습니다