인프런 커뮤니티 질문&답변

augmentation은 원본이미지에 추가로 별도의 이미지를 만드는게 아닙니다.

원본 학습데이터를 모델에서 train 시킬 때 이 이미지를 변환하는 것입니다. 

가령 50%의 확률로 flip이 된다고 가정하고, 원본 이미지 10개가 a, b, c, d, e, f, g, h, i, j 가 있고, 여기에 flip을 적용하면 원본 이미지 a가 a'와 같이 된다고 하겠습니다. 

그럼 epoch를 반복해서 수행할 때마다

a, b, c, d, e, f, g, h, i, j 원본 이미지는 a', b, c, d', e', f, g, h', i', j  와 같이 50%의 이미지가 random 하게 변환되는 것입니다. 이걸 계속 반복하면서 모델에 입력하는 것입니다.

이런 효과로 원본이미지 대비 더 많은 이미지를 학습하는 효과를 augmentation이 갖는것이지만, 원래 이미지가 물리적으로 더 늘어나는 것은 아닙니다.

따라서 원본이미지에 추가로 학습을 하는것도 아니고 원본이미지를 flip 적용한 이미지만 학습한다는 의미도 아니며, 원본이미지를 epoch시마다(정확하게는 batch 시마다) 변형해서 사용한다는 것입니다.

감사합니다.

안녕하십니까,

검증해보진 않았지만, 아래 소스코드의 349 line정도를 보시면, direction이라는 option이 있습니다.

https://github.com/open-mmlab/mmdetection/blob/master/mmdet/datasets/pipelines/transforms.py

dict(type='RandomFlip', flip_ratio=0.5, direction='vertical') 로 적용하면 될 듯 싶습니다.

감사합니다.

flip_ratio=0.5 이면 50%의 확률로 이미지를 뒤집는다는 의미같은데요,

원본이미지에 추가로 학습을 하는것이 아니라 원본이미지를 flip 적용한 이미지만 학습한다는 의미인가요?