밑바닥부터 시작하는 딥러닝

265

8

장

-

딥러닝

[그림

8

-

3

]의 상위 기법들을 참고하면 정확도를 더 높일 수 있는 기술이나 힌트를 발견

할 수 있습니다. 예를 들어 앙상블 학습, 학습률 감소, 데이터 확장 등이 정확도 향상에 공

헌하고 있지요. 특히 데이터 확장은 손쉬운 방법이면서도 정확도 개선에 아주 효과적입

니다.

데이터 확장

data

augmentation

은 입력 이미지 (훈련 이미지 )를 알고리즘을 동원해 ‘인위적’으로 확장합

니다. [그림

8

-

4

]와 같이 입력 이미지를 회전하거나 세로로 이동하는 등 미세한 변화를 주어

이미지의 개수를 늘리는 것이죠. 이는 데이터가 몇 개 없을 때 특히 효과적인 수단입니다.

그림

8-4

데이터 확장의 예

원본

회전에 의한 변형

이동에 의한 변형

데이터 확장은 [그림

8

-

4

] 같은 변형 외에도 다양한 방법으로 이미지를 확장할 수 있습니다.

예를 들어 이미지 일부를 잘라내는

crop

이나 좌우를 뒤집는

flip

*

등이 있겠죠. 일반적인 이미

지에는 밝기 등의 외형 변화나 확대·축소 등의 스케일 변화도 효과적입니다. 어쨌든 데이터

확장을 동원해 훈련 이미지의 개수를 늘릴 수 있다면 딥러닝의 인식 수준을 개선할 수 있습니

다. 이것은 쉬운 ‘트릭’이라 가볍게 생각할지도 모르지만, 멋진 결과를 가져오는 경우가 많습니

다. 이 책에서는 데이터 확장은 구현하지 않습니다만, ...