A survey of data augmentation for deep learning

Image Data Augmentation 구분

• Basic Image Manipulcations
  • Kernel Filters
  • Geometrics Transformations : 전통적으로 많이 쓰이는 flip, zoom 등이 이에 속한다.
  • Color Space Transformations : RGB 채널에서 일부 채널을 0으로 만드는 방법, contrast 등이 이에 속한다.
  • Random Erasing : cutout(사각형으로 일부 영역을 지운다)
  • Mixing Images : mixup(class 가 다른 이미지(x) 를 합친다, y값도 이에 따라 바뀐다.), cutmix(class 가 다른 이미지의 일부분을 서로 합친다, y값도 이에 따라 바뀐다.)
• Deep Learning Approaches
  • Adversarial Training : Noise 를 추가해서 학습한다.
  • Neural Style Transfer : 중요치 않아보임.
  • GAN Data Augmentation : GAN을 이용해 학습 이미지 추가