3 에 있는 보충자료를 여기로 옮기기

chatterboy commented 6 years ago

Data augmentation은 항상 computationally free 해야하는가? 만약, computationally free 하지않는 경우를 생각해보자. Data augmentation은 부족한 학습데이터의 수를 증가시키는 것이 목적이기 때문에 computationally intensive이면 별도의 저장공간에 저장해야 한다. 따라서, 많게는 수천배 이상 데이터의 수를 증가시켜야 하기 때문에 computationally free 하도록 고려해야 한다.

chatterboy commented 6 years ago

AlexNet [1]에서는 세 가지 방법을 사용한다.

먼저, translation과 flip을 사용하는 방법은 크기가 256x256인 원본 이미지에서 크기가 224x224이고 랜덤하게 cropped 패치를 사용한다. 이 때 만들어지는 패치에 translation과 flip을 적용한다. 마지막으로 PCA를 사용하는 color augmentation 방법이 있다. 결과적으로 이미지의 밝기가 변한다. (상세한 내용은 공부해서 추가하기 [2, 3])

[1] https://www.nvidia.cn/content/tesla/pdf/machine-learning/imagenet-classification-with-deep-convolutional-nn.pdf [2] https://wikidocs.net/7646 [3] http://darkpgmr.tistory.com/105

chatterboy / fracture

Data Augmentation 방법에 대한 조사 #5

3 에 있는 보충자료를 여기로 옮기기