-
질문 & 답변
카테고리
-
세부 분야
컴퓨터 비전
-
해결 여부
미해결
Augmentation 관련
21.06.22 07:59 작성 조회수 134
0
Data Augmentation 과정 중에 질문이 있는데요.
Sequence를 상속받아 Albumentation으로 이미지 데이터를 변형할 경우,
확률 파라미터에 비례해서 원본이 학습이 되지 않을 경우도 있게 될 것 같은데
모델이 원본을 학습하지 않게 되면 조금 손해 보는 면도 있지 않을까 해서요..
저는 원본에 추가해서 Augmentaion 된 데이터들이 학습되는걸로 예상을 했었거든요..
그리고 또다른 질문이 있는데, Dog Breed 모델성능 올리기 예제에서 EfficientNet을 사용하신 이유가 있으실까요?
저는 ResNet이나 Inception 같은 것들도 실험해 보고 싶은데,
혹시 경험적으로 성능이 안나온다거나 하는 이유가 있으신지 궁금합니다..^^
감사합니다!
답변을 작성해보세요.
1
권 철민
지식공유자2021.06.22
안녕하십니까,
잘 보고 계시다니, 저도 기쁩니다.
1. 말씀하신대로 Augmentation을 원본이미지에 무조건 적용하면 원본 이미지 자체가 학습이 안되는 결과가 될 수도 있습니다. 때문에 Augmentation 을 적용할 때는 어느 정도 원본 이미지가 그대로 반영될 수 있도록 적용 확률을 잘 조절해 주셔야 합니다.
Augmentation을 적용하면 원본 학습이미지에 batch로 모델에 입력할 때마다 변형이 일어나므로 다양한 이미지의 학습 효과를 가져 올수 있어서 성능 향상을 기대할 수 있습니다만, 과도한 Augmentation은 원본 이미지를 충분히 반영하지 못하기에 오히려 성능이 저하 될 수 있습니다.
적절한 적용 비율로, 적절한 augmentation 기법을 적용하는 것이 중요합니다.
2. EfficientNet이 모델 성능이 좋기 때문에 적용했습니다. Inception도 좋은 성능을 가진 모델이므로 적용해 보시면 좋습니다. Resnet이나 Inception이 성능이 떨어진다기 보다는 EfficientNet이 비교적 성능이 좋아서 적용했습니다.
감사합니다.
답변 1