上一篇我們有提到 over-fitting，在進行深度學習訓練時，經常需要大量的資料以確保訓練時不會產生過度擬合（over-fitting）的現象，然而在現今數位時代，很難擁有足夠的資料（因為要完成訓練需要上萬筆 data 才能有較好的結果），因此我們會採取如下的作法：

1. Review並重新組合或調整model架構。
2. 將資料進行正規化，如L1/L2 regularization。
3. 使用dropout技術。
4. 使用 Data augmentation 技術。

這邊所要介紹的是 Data augmentation 資料增強！

概念

不同於 Dropout 透過丟棄一定比例的神經元以模擬不同的dataset，Data augmentation 則是從既有的 dataset 中產生更多的資料讓系統去學習，說更直接一點，是創造更多的「假」資料，來彌補我們資料不足的缺憾。

雖然說是假的資料，但也是從原始資料內容修改產生的，因此Data augmentation 經過證實的確可解決資料不足的困境並提昇系統訓練的準確率！

原理

一張圖片經過旋轉、調整大小、比例尺寸，或者改變亮度色溫、翻轉等處理後，我們人眼仍能辨識出來是相同的相片，但是對機器來說那可是完全不同的新圖像了。
因此， Data augmentation 就是將 dataset 中已有的圖片加以修改變形，創造出更多的圖片來讓機器學習，彌補資料量不足的困擾～

實際應用

dataset 的資訊：

• [ ] 格式：jpeg，224 × 224 pixels
• [ ] 相片日期：2017／04～2017／09
• [ ] 分類：共有17種 categories，每個 category 有 70 張相片，共 1,190 張。

每張圖片都分為四個區域並給予 label：由左上角座位開始順時間方向 → 1代表有人，0代表無人，因此，這張圖 label 為 1-1-0-1。

加入 data augmentation ：增加一個調整曝光值的 function，讓 data augmentation 能產生各種不同亮度的相片作為新圖片來使用。

• 在未使用資料增強的情況下，成績僅為 0.69

• 用資料增強後，成績上升到 0.85，使用 Data augmentation 讓成績大幅提昇了23%！

圖片來源