Image preprocessing & augmentation

 

 

 

이번 포스팅에서는 이미지의 수가 적더라도 성능이 잘 나오게끔 도와주는, 이미지 증강, 왜곡 기법에 대해 알아보겠습니다.

 

 

 

---

 

1. RGB 값을 각각 빼서 그 값의 평균을 0으로 만드는 방법, preprocessing

먼저 첫번째 방법으로는 RGB 값을 각각 빼서 그 값의 평균을 0으로 만드는 것입니다. 이는 loss 값 수렴을 빠르게하는 효과가 있습니다. 강제로 RGB 값을 평균에서 빼주면, 사실상 input 값의 평균이 0이 되어서 traind을 할 때 수렴이 빨라집니다. 

 

 

2. 좌우반전, augmentation

말 그대로 이미지의 좌우를 반전시키는 방법입니다. 모델이 이미지를 판단할 때, 같은 이미지이더라도 좌우를 다 살퍼보게하면 정확도가 높아지게 됩니다. 

 

3. 밝기 조절, augmentation

딥러닝 모델로 앱을 만드는 경우, 사진을 찍을 때마다 사진 별로 빛의 양이 다를 것입니다. 이를 방지하여 미리 다양한 밝기의 사진을 준비하여 데이터셋으로 구성합니다.