이미지 증강 | Datasets

이미지 증강은 데이터셋에서 "Train"으로 표시된 기존 이미지에 증강을 적용하는 단계입니다. 이 과정은 모델이 일반화하는 능력을 향상시켜 보지 못한 이미지에서도 더 효과적으로 작동하도록 도울 수 있습니다.

증강 없이 프로젝트를 시작하는 것을 권장합니다. 이를 통해 원본 데이터셋의 품질을 평가할 수 있습니다. 증강을 추가했는데 데이터셋 성능이 예상만큼 좋지 않다면, 모델 성능을 비교할 기준선이 없어집니다.

증강 없이도 모델이 잘 작동하지 않는다면, 클래스 균형, 데이터 표현, 데이터셋 크기를 살펴봐야 할 수 있습니다. 증강 없이 모델을 성공적으로 학습시킨 데이터셋이 있다면, 증강을 추가하여 모델 성능 향상에 더 도움을 줄 수 있습니다.

증강은 몇 가지 중요한 이유로 학습 시점이 아니라 데이터셋 버전("오프라인 증강")을 통해 적용됩니다:

증강이 적용되는 방식

증강은 항상 전처리 단계이후에 학습 이미지에 적용됩니다. 선택한 증강은 함께 쌓여 적용되며, 각 증강 이미지에는 증강 설정과 각 설정의 값이 무작위화되어 적용됩니다. 이 과정에서 중복으로 나타나는 이미지는 생성된 버전에서 필터링됩니다.

예를 들어, "가로 뒤집기"와 "소금과 후추 노이즈" 증강을 선택하면, 주어진 이미지는 무작위로 가로 뒤집기 반전이 적용되고 무작위 소금과 후추 노이즈가 추가됩니다.

증강 제한하기

증강이 포함된 데이터셋 버전을 만들 때, "최대 버전 크기" 옵션을 통해 포함할 증강 이미지의 최대 개수를 선택할 수 있습니다.

예를 들어 3x를 선택하면 최종 데이터셋 버전에는 각 학습 소스 이미지에 전처리 단계 가 적용되고, 선택한 설정에 따라 각 이미지에 대해 무작위 증강 2개가 포함됩니다.

데이터셋에 100개의 이미지가 있고 train/valid/test 분할이 70/20/10인 상태에서 3x 증강을 선택하면, 최종 데이터셋은 대략 210/20/10 분할이 됩니다.

이미지를 중복 제거하고 "Filter Null" 같은 특정 옵션이 출력에서 이미지를 제거할 수 있기 때문에, 최종 이미지 수는 이 추정치보다 적을 수 있습니다.

사용 중인 요금제는 선택할 수 있는 최대 배수를 설정합니다. 웹 앱은 요금제에서 허용하는 값만 제공하며, API 또는 Python SDK를 통해 버전을 생성할 때 그보다 더 큰 값을 요청하면 실패합니다. 각 요금제의 제한은 가격 페이지 를 참조하세요.

증강 옵션

Roboflow의 증강은 "Basic" 또는 "Enhanced"일 수 있으며, 두 가지 서로 다른 수준에서 적용될 수 있습니다.

이미지 수준 증강

이미지 수준 증강은 개별 객체나 영역이 아니라 전체 이미지에 변환을 적용하여 새로운 학습 데이터를 만듭니다. 전체 이미지를 수정함으로써 개발자는 더 넓은 범위의 시각적 조건을 시뮬레이션할 수 있고, 모델이 새로운 데이터에 더 잘 일반화하도록 학습하는 데 도움이 됩니다.

바운딩 박스 수준 증강

바운딩 박스 수준 증강은 소스 이미지의 바운딩 박스 내용만 변경하여 새로운 학습 데이터를 만듭니다. 이를 통해 개발자는 문제의 조건에 더 적합한 학습 데이터를 만드는 데 대해 더 큰 제어권을 갖게 됩니다.

한 2019년 논문 에서 Google 연구원들은 모델에 최적의 데이터를 만들기 위해 바운딩 박스만 증강하는 아이디어를 소개합니다. 이 논문에서 연구원들은 바운딩 박스만 수정해도, 특히 작은 데이터셋으로 학습된 모델에서 체계적인 개선이 이뤄진다는 것을 보여주었습니다.

고급 증강 및 바운딩 박스 증강은 프리미엄 기능입니다.

요금제와 관련 기능에 대한 최신 정보는 가격 페이지.

증강이 적용되는 방식

증강 제한하기

증강 옵션

이미지 수준 증강

바운딩 박스 수준 증강

자세히 알아보기