Augmentace náhodným chvením parametrů | AI slovník

Odborná definice

Jitter augmentation je rodina náhodných malých perturbací aplikovaných na tréninkový vstup s cílem simulovat prirodzenou variabilitu a omezit závislost modelu od presných hodnot. V obraze může jít o color jitter, tedy náhodnou změnu jasu, kontrastu, sýtosti nebo odtieňa. V časových radoch se jitter často realizuje pridáním malého šumu, v súradniciach posunom bodů a v zvuku variací amplitúdy nebo času. Rozsah perturbace musí zachovat třídu a fyzikálny význam, jinak augmentace vytvoří nesprávně označené příklady.

Srozumitelné vysvětlení

Kamera ve výrobe nefotografuje súčiastku vždy při stejném svetle. Během tréninku proto mírně meníme jas, kontrast a barevný tón obrázků, aby model nerozhodoval podle jedné přesné svetelnej konfigurace. V signále ze senzora může jitter znamenat pridaný šum podobný reálnemu merání. Perturbace má být dostatečně silná, aby rozšírila tréninková podmínky, ale ne taká, aby z modrého indikátora spravila jinou třídu nebo prekryla diagnostický detail. Parametry se proto určují podle známej variability zařízení.

Časté otázky

Je jitter vždy náhodný šum?

Ne. Název se používá pro malé náhodné změny různých parametrů, například farby, času, polohy nebo amplitúdy. Konkrétní transformace musí být uvedená, protože color jitter a časový jitter mají odlišný význam.

Jak se nastaví intenzita?

Rozsah se odvodí z reálných podmínek sběru nebo se ladí na validačních datech bez augmentace. Pokud výkon na přirozeně narušených datech roste a čistá přesnost prudko neklesá, nastavení může být primerané.

Může jitter změnit správný štítek?

Ano. Velký posun odtieňa může změnit třídu založenou na farbe, časový posun může porušit synchronizaci a šum může zakrýt malý defekt. Také transformace spůsobují label noise a je třeba jejich omezit nebo aplikovat pouze na vhodné třídy.

Používá se jitter i při inferenci?

Běžně ne, protože produkční vstup se má vyhodnotit deterministicky. Při test-time augmentation lze vytvořit více mírně zmenených verzií a agregovat predikce, co zvyšuje náklady a vyžaduje validaci kalibrace.

Jako ověřit, že model nevyužíva artefakt augmentace?

Porovnají se saliency mapy, výkon podle intenzity transformace a data z reálných zařízení. Augmentace se vizuálně kontroluje a její pipeline se testuje, aby například clipping nebo interpolace nevytvárali opakujúci se znak třídy.

Související pojmy

Zdroje a redakční stopa

PyTorch torchvision, ColorJitter

Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.