
エントリーの編集

エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
PyTorchでデータ拡張(Data Augmentation)を比較してみる - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
PyTorchでデータ拡張(Data Augmentation)を比較してみる - Qiita
#TL; DR Data Augmentation色々試した 精度がどう変わるか比較してみた 結局RandomErasingが良いのかな... #TL; DR Data Augmentation色々試した 精度がどう変わるか比較してみた 結局RandomErasingが良いのかな? 学習データに合ったAugmentationを選ぼう #Data Augmentationとは データを水増しする方法です。 画像で言うと、1枚の画像を反転させたり回転させたりグレースケールにしたりして水増しします。 元の画像・反転させた画像・回転させた画像の3枚があれば、元のデータを3倍にできるってことですね。 ##なぜData Augmentationをするのか そんなことしてどうなるの?って話なのですが、Data Augmentationをすると過学習を防ぐことができるというメリットがあります。 過学習とは、訓練データに対して学習しすぎて、未知のデータに対して適応できなくなってしまう現象のことを言います。 データ数を増やすことでこの過学習を防止する