Validation dataに対するaugmentationについて

深層学習により画像の分類をしたいと考えています。

あまり画像が多くなく、群間の画像数をそろえるためaugmentationをしますが、データの増やし方と分け方について教えていただきたいです。

１）データからテストをとりわけ、残りを増やしてから訓練と検証に分ける

２）データを訓練、検証、テストにわけ、訓練のみ増やす

３）データを訓練、検証、テストにわけ、訓練と検証を増やす

４）データを訓練、検証、テストにわけ、３つとも増やす

の４パターンを考えていますが、推奨される方法はあるのでしょうか。

スクリプトの例を検索して参照した限りでは２の方法をとっているものをいくつか見つけましたが、他の方法の例があればご案内いただけないでしょうか。

また、１）の方法は過学習につながる気がしますが、やってみて過学習がなければ行って問題ないのかどうか知りたいです。

Answer 1

[covao]

MATLABに関する情報ではありませんが、下記記事によると、深層学習のデータセットについて、通常は、訓練データに対してのみデータ拡張するとの記載があります。

モデルのパフォーマンスを公正に評価するためと考えられます。

• How to Configure Image Data Augmentation in Keras

"Image data augmentation is typically only applied to the training dataset, and not to the validation or test dataset. This is different from data preparation such as image resizing and pixel scaling; they must be performed consistently across all datasets that interact with the model."

以下にAugmentationに関連する情報があります

• augmentation of pretrained network reducing accuracy

[Mamiko Fukuta]

回答ありがとうございます。

基本的には訓練データに対して行うということのようですね。

以下のデータの増やし方についての論文を見つけたので，訓練データ以外の増幅を行うということがあるのか疑問に思った次第です。

https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-023-05199-y