데이터 증강은 CNN(Convolutional Neural Networks) 이미지 분류의 성능을 향상시키기 위한 강력한 도구입니다. 그러나 이 기술을 효과적으로 사용하기 위해서는 몇 가지 함정을 피하고 최선의 관행을 따르는 것이 중요합니다. 일반적인 함정- 과잉 증강: 너무 극단적인 변형은 비현실적인 이미지를 생성하여 모델의 일반화 능력을 저하시킬 수 있습니다[4].- 일관되지 않은 증강: 훈련과 테스트 단계에서 증강 방법이 다르면 모델의 일반화에 부정적인 영향을 미칠 수 있습니다[2]. 권장사항- 간단하게 시작: 수평 뒤집기 및 작은 회전과 같은 기본적인 증강 기법으로 시작합니다. 이는 모델이 다양한 패턴에 노출되도록 도와줍니다[2][7].- 실제 변형 모방: 약간의 노이즈 추가나 밝기 변경과 같은 ..
