이미지 처리-9 이미지 증강

1. 데이터 증강(data augmentation)

ai 모델의 정확도를 높이기 위해서 근본적으로 할 수 있는 것은 ai 모델의 알고리즘을 연구하는 것이다. 하지만 현재 시장에서는 알고리즘 모델이 대부분 고착화되어 있으며 획기적인 방법이 아닌 이상 그렇게 많은 개선이 이루어지지 않는다. 또한 조금의 개선을 위해 대단한 지식과 노력이 필요한 것은 당연한 사실이다.

 

이러한 성능 개선의 측면에서 가장 쉽게 성능을 증가시킬 수 있는 방법은 학습 데이터의 수를 늘리는 것이다. 데이터를 수집하는 것은 쉬운 일이 아니지만 데이터 증강으로 몇 배의 데이터를 창출할 수 있다. 데이터 증강이란 데이터에 다양한 변화를 줘서 데이터의 개수를 늘리는 작업이다.

 

이미지 증강은 간단한 변형을 통해서 다양성을 추구하여 과적합을 방지할 수 있기 때문에 이미지 처리 작업에서 이미지 증강은 필수이다.

 

2. 이미지 증강 기법

이미지 증강 기법에는 거의 모든 이미지 변형작업을 사용할 수 있다.

cutout, mixup, cutmix, augmix, AA, puzzle mix, RA, 회전, 이동, 확대/축소, 반전, 노이즈 추가/제거, 색조 변경, 색상 변경, 색상 보정, 자르기, 블러링, 이진화, 채도 변경, 광도 변경, 히스토그램 균일화 등이 있으며 라이브러리는 Albumentations가 있다.