Аугментация данных (Data Augmentation)

Коротко

• Data Augmentation — техника увеличения объёма и разнообразия тренировочных данных за счёт трансформации уже имеющихся примеров
• Для изображений: повороты, обрезка, изменение яркости; для текста: перефразирование, замена синонимов, обратный перевод
• Помогает бороться с переобучением и улучшает устойчивость модели к вариациям во входных данных
• В отличие от синтетических данных, аугментация видоизменяет уже существующие реальные примеры, а не создаёт полностью новые с нуля

Определение

Аугментация данных (data augmentation) — это техника искусственного увеличения объёма и разнообразия тренировочного набора данных путём применения контролируемых трансформаций к уже имеющимся примерам: для изображений это может быть поворот, отражение, обрезка или изменение цветовой гаммы, а для текста — перефразирование, замена слов синонимами или обратный перевод через другой язык.

Главная цель аугментации данных — сделать модель более устойчивой к вариациям и снизить риск переобучения: если модель видит один и тот же объект под разными углами или сформулированный разными словами один и тот же смысл, она с большей вероятностью научится улавливать суть закономерности, а не «зазубривать» конкретные пиксели или формулировки из тренировочного набора.

На практике

При обучении моделей компьютерного зрения для промышленного контроля качества аугментация данных (повороты, изменение освещения, добавление шума на изображениях) особенно важна, поскольку реальных примеров брака часто недостаточно для качественного обучения без искусственного расширения выборки.