Hilft Bildvergrößerung?

Question

Ich versuche, CNN-Modell (Keras) zu bauen, das Bild basierend auf Benutzer Emotionen klassifizieren kann. Ich habe Probleme mit Daten. Ich habe wirklich kleine Daten für das Training. Wird die Erweiterung der Daten helfen? Verbessert es die Genauigkeit? In welchem ​​Fall sollte man wählen, Daten zu erweitern und sollte vermeiden?

Answer 1

Wird die Datenhilfe erweitert? Verbessert es die Genauigkeit?

Das ist im Voraus schwer zu sagen. Aber fast sicher, wenn Sie bereits ein Modell haben, das besser als zufällig ist. Und wenn Sie die richtige Augmentierungsmethode wählen.

Siehe meine Masterarbeit Analysis and Optimization of Convolutional Neural Network Architectures, Seite 80 für viele verschiedene Augmentationsmethoden.

In welchem ​​Fall sollte man wählen, Daten zu erweitern und sollte vermeiden?

• Wenn Sie nicht genug Daten haben -> erweitern
• Augmentationen vermeiden, wo man nicht das Gefühl nach der Augmentation berichten. So im Fall der Zeichenerkennung, Rotation ist eine schlechte Idee (zum Beispiel aufgrund von 6 vs 9 oder u vs n oder \rightarrow vs \nearrow)

Answer 2

Ja, Datenerweiterung hilft wirklich, und manchmal ist es wirklich notwendig. (Aber werfen Sie einen Blick auf die Antwort von Martin Thoma, dort gibt es mehr Details und einige wichtige "Take-cares").

Sie sollten es verwenden, wenn:

• Sie haben zu wenig Daten
• Sie bemerken, dass Ihr Modell zu leicht ist Überanpassung (kann ein Modell zu mächtig sein)

Overfitting ist etwas, das passiert, wenn Ihr Modell die Daten speichern kann. Dann wird es eine hervorragende Genauigkeit für Trainingsdaten, aber eine schreckliche Genauigkeit für Testdaten.

Wenn Sie die Trainingsdaten erhöhen, wird es schwieriger für Ihr Modell, sich zu merken. Kleinere Änderungen hier und da werden Ihr Modell dazu bringen, nicht mehr auf Details zu achten, die nichts bedeuten (sondern dazu fähig sind, Unterschiede zwischen Bildern zu schaffen) und auf Details zu achten, die tatsächlich den gewünschten Effekt hervorrufen.