CHƯƠNG 2 TỔNG QUAN VỀ HỌC MÁY, HỌC SÂU
3.5. Phương pháp tăng cường dữ liệu
3.5.1. Tăng cường dữ liệu là gì và để làm gì?
Trong lĩnh vực Machine Learning nói chung, cụ thể Deep Learning thì vấn đề về dữ liệu có vai trị rất quan trọng, với những bài tốn có ít dữ liệu cho việc huấn luyện mơ hình rất khó để tạo ra được một kết quả dự đốn chính xác, ngay cả những thuật tốn có độ phức tạp cao cũng vô dụng, để giải quyết vấn đề này cần đến một kỹ thuật gọi là kỹ thuật tăng cường dữ liệu (Data augmentation) cho tập dữ liệu ít để làm phong phú hơn dựa trên những dữ liệu đang có.
3.5.2. Kỹ thuật tăng cường dữ liệu
Việc tăng cường dữ liệu làm cho kích thước dữ liệu trong tập huấn luyện tăng lên bằng cách tạo ra nhiều biến thể từ những dữ liệu ban đầu. Điều này sẽ giảm đáng kể overfitting trong q trình huấn luyện mơ hình. Sử dụng kỹ thuật này có thể xoay, dịch chuyển, phóng to, làm nhiễu, thay đổi kích thước…của dữ liệu ban đầu được cài đặt với số lượng khác nhau. Tùy vào tính chất và độ hợp lý ta có thể sử dụng các kỹ thuật trên. Tuy nhiên lạm dụng nhiều cũng có kết quả khơng tốt.
Các phương thức chính trong kỹ thuật tăng cường dữ liệu:
• Lật ảnh (Flip): lật ảnh theo chiều dọc, ngang đảm bảo ý nghĩa của dữ liệu
khơng thay đổi.
• Cắt ngẫu nhiên (Random Crop): Cắt ngẫu nhiên một phần của bức ảnh, lưu
ý khi cắt phải giữ được thành phần cốt lõi của ảnh, trong bài toán nhận diện vật thể, việc cắt mất vật thể trong ảnh khơng hợp lý.
• Xoay ảnh (Rotation): Xoay ảnh theo góc độ mong muốn.
Trang | 60
• Chuyển đổi màu (Color Shift): Chuyển đổi màu của bức ảnh bằng các thay
đổi giá trị vào 3 kênh RGB.
• Thêm nhiễu (Noise addition): Thêm nhiễu vào bức ảnh. Có nhiều loại như
nhiễu ngẫu nhiên, nhiễu có mẫu, nhiễu cộng, nhiễu nhân, nhiễu do nén ảnh, nhiễu mờ do chụp khơng lấy nét, nhiễu mờ do chuyển động…
• Mất thông tin (Information loss): Một phần của bức hình bị mất.
• Đổi độ tương phản (Constrast change): thay độ tương phản của bức hình,
độ bão hịa…
Hình 3.15: Minh họa đổi độ tương phản trong tăng cường dữ liệu.
Trang | 61