🔗 관련 문서: Wikipedia - 데이터 증강

🔗 [YouTube]

데이터 증강Data Augmentation

01. 개념

[목차로 돌아가기]

데이터 증강(Data Augmentation)은 기존 데이터에 다양한 변형을 가하여 학습 데이터의 양을 인위적으로 늘리는 기법이다. 원본 데이터의 본질적인 특성은 유지하면서 새로운 학습 샘플을 생성하는 것이 핵심이다.

인공지능 모델, 특히 딥러닝(Deep Learning) 모델은 대량의 학습 데이터를 필요로 한다. 그러나 실제로 충분한 양의 고품질 데이터를 수집하는 것은 비용과 시간이 많이 소요된다. 데이터 증강은 이러한 문제를 해결하기 위한 효과적인 방법으로, 기존 데이터를 기반으로 새로운 학습 샘플을 생성한다.

예를 들어, 고양이 사진 100장으로 고양이를 인식하는 모델을 학습시킨다고 가정하자. 이 100장의 사진을 회전시키거나, 좌우 반전시키거나, 색상을 조금 변경하면 원본과 다르지만 여전히 고양이인 새로운 이미지를 만들 수 있다. 이렇게 하면 100장의 데이터로 수백 장의 학습 데이터를 확보할 수 있다.



핵심 원칙

데이터 증강의 목표는 단순히 데이터 양을 늘리는 것이 아니라, 모델이 실제 환경에서 마주칠 수 있는 다양한 상황에 대비하도록 하는 것이다. 따라서 증강된 데이터는 현실적이고 의미 있는 변형이어야 하며, 원본 데이터의 본질적인 특성을 보존해야 한다.

02. 필요성

[목차로 돌아가기]

데이터 증강은 인공지능 모델의 성능 향상을 위해 다음과 같은 이유로 필요하다.

• 과적합(Overfitting) 방지:
  학습 데이터가 부족하면 모델이 학습 데이터만 잘 인식하고 새로운 데이터는 제대로 인식하지 못하는 과적합 현상이 발생한다. 데이터 증강은 다양한 변형 데이터를 제공하여 모델이 일반화 능력을 갖추도록 돕는다.
• 데이터 수집 비용 절감:
  실제 데이터를 수집하고 레이블링하는 작업은 많은 시간과 비용이 소요된다. 데이터 증강을 통해 적은 비용으로 학습 데이터를 확보할 수 있다.
• 데이터 불균형 해소:
  특정 클래스의 데이터가 적을 때 데이터 증강으로 해당 클래스의 샘플을 늘려 클래스 불균형(Class Imbalance) 문제를 완화할 수 있다.
• 모델의 강건성(Robustness) 향상:
  다양한 변형을 겪은 데이터로 학습하면 실제 환경에서 발생할 수 있는 다양한 상황에 대해서도 모델이 더 잘 대응할 수 있다.

03. 기법

3.1 이미지 데이터

[목차로 돌아가기]






이미지 데이터 증강은 컴퓨터 비전 분야에서 가장 널리 사용되는 기법이다. 대표적인 방법들은 다음과 같다.

1) 기하학적 변환

• 회전(Rotation):
  이미지를 일정 각도로 회전시킨다. 예를 들어 10도, 20도, 30도 회전한 이미지를 생성한다.
• 좌우 반전(Horizontal Flip):
  이미지를 좌우로 뒤집는다. 거울에 비친 것처럼 만든다.
• 상하 반전(Vertical Flip):
  이미지를 상하로 뒤집는다. 단, 물체의 특성에 따라 적절히 사용해야 한다.
• 크기 조정(Scaling):
  이미지를 확대하거나 축소한다.
• 이동(Translation):
  이미지를 상하좌우로 이동시킨다.
• 전단 변환(Shearing):
  이미지를 기울여서 변형한다.

2) 색상 및 밝기 조정

• 밝기 조정(Brightness):
  이미지를 밝게 하거나 어둡게 한다.
• 대비 조정(Contrast):
  밝은 부분과 어두운 부분의 차이를 조정한다.
• 채도 조정(Saturation):
  색의 선명도를 조정한다.
• 색조 변경(Hue Shift):
  색상의 톤을 변경한다.
• 그레이스케일 변환:
  컬러 이미지를 흑백으로 변환한다.

3) 노이즈 추가

• 가우시안 노이즈(Gaussian Noise):
  이미지에 임의의 노이즈를 추가하여 실제 환경의 불완전한 이미지를 시뮬레이션한다.
• 솔트 앤 페퍼 노이즈(Salt and Pepper Noise):
  이미지에 무작위로 흰색과 검은색 점을 추가한다.

4) 자르기 및 패딩

• 랜덤 크롭(Random Crop):
  이미지의 일부 영역을 무작위로 잘라낸다.
• 중앙 크롭(Center Crop):
  이미지의 중앙 부분만 추출한다.
• 패딩(Padding):
  이미지 주변에 여백을 추가한다.

3.2 텍스트 데이터

[목차로 돌아가기]

텍스트 데이터 증강은 자연어 처리(NLP) 분야에서 활용되며, 문장의 의미는 유지하면서 표현을 다양화하는 것이 목표이다.

1) 어휘 기반 기법

Easy Data Augmentation	Short Example
Random Synonym Replacement 무작위 동의어 대체	I am jogging → I am running
Random Insertion 무작위 삽입	I am jogging → I am salad jogging
Random Deletion 무작위 삭제	I am jogging → I jogging
Random Swap 무작위 교환	I am jogging → I tiger jogging

• 동의어 대체(Synonym Replacement):
  문장의 특정 단어를 동의어로 바꾼다. 예를 들어 "좋은"을 "훌륭한"으로 대체한다.
• 무작위 삽입(Random Insertion):
  문장에 임의의 단어를 추가한다.
• 무작위 삭제(Random Deletion):
  문장에서 일부 단어를 무작위로 제거한다.
• 무작위 교환(Random Swap):
  문장 내 단어의 순서를 무작위로 바꾼다.

2) 역번역(Back Translation)

문장을 다른 언어로 번역한 후 다시 원래 언어로 번역하는 방법이다. 예를 들어 한국어 문장을 영어로 번역한 후 다시 한국어로 번역하면 원문과 의미는 같지만 표현이 다른 새로운 문장을 얻을 수 있다.

3) 문맥 기반 생성

• BERT 기반 증강:
  BERT와 같은 언어 모델을 사용하여 문맥에 맞는 단어를 예측하고 대체한다.
• GPT 기반 생성:
  GPT 모델을 활용하여 유사한 의미의 새로운 문장을 생성한다.

3.3 오디오 데이터

[목차로 돌아가기]






오디오 데이터 증강은 음성 인식, 음악 분류 등의 분야에서 사용되며, 소리의 특성을 변형하여 다양한 학습 샘플을 생성한다.

1) 시간 영역 변환

• 속도 조정(Time Stretching):
  오디오의 재생 속도를 빠르게 하거나 느리게 한다.
• 피치 변경(Pitch Shifting):
  음의 높낮이를 변경한다.
• 시간 이동(Time Shift):
  오디오를 앞뒤로 이동시킨다.

2) 주파수 영역 변환

• 노이즈 추가:
  배경 소음이나 잡음을 추가하여 실제 환경을 시뮬레이션한다.
• 필터링:
  특정 주파수 대역을 강조하거나 억제한다.

3) 고급 기법

• SpecAugment:
  스펙트로그램(소리를 시각화한 이미지)에 마스킹을 적용하여 일부 시간대나 주파수를 가린다.
• 믹싱:
  여러 오디오를 섞어서 새로운 샘플을 만든다.

3.4 AI 활용

[목차로 돌아가기]

최근에는 인공지능 기술을 활용한 고급 데이터 증강 기법들이 개발되고 있다.

1) GAN 기반 증강

생성적 적대 신경망(GAN, Generative Adversarial Network)을 사용하여 실제와 유사한 새로운 데이터를 생성한다. GAN은 두 개의 신경망이 경쟁하면서 학습하여 매우 사실적인 이미지나 텍스트를 만들어낼 수 있다.

2) AutoAugment

강화학습을 사용하여 최적의 데이터 증강 정책을 자동으로 찾는 기법이다. 어떤 변형을 어느 정도 적용할지를 인공지능이 스스로 학습한다.

3) MixUp과 CutMix

• MixUp:
  두 개의 이미지를 일정 비율로 섞어 새로운 이미지를 생성한다. 레이블도 같은 비율로 섞는다.
• CutMix:
  한 이미지의 일부를 잘라내어 다른 이미지에 붙여 넣는 방식이다.

MixUp은 부드러운 결정 경계를 학습시켜 분류의 신뢰도를 높이며, CutMix는 객체의 부분적 가시성에 대응하도록 모델을 훈련시킨다.

4) SimCLR과 자기 지도 학습

레이블이 없는 데이터로도 학습할 수 있는 자기지도학습(Self-Supervised Learning) 기법에서 데이터 증강이 핵심적인 역할을 한다. 같은 이미지의 서로 다른 증강 버전을 만들어 모델이 이들을 같은 것으로 인식하도록 학습시킨다.

04. 고려사항

[목차로 돌아가기]

데이터 증강을 효과적으로 사용하기 위해서는 다음과 같은 점들을 고려해야 한다.

1) 도메인 지식의 활용

데이터 증강 기법은 해당 분야의 특성에 맞게 선택해야 한다. 예를 들어 의료 영상에서는 좌우 반전이 의미가 있지만, 숫자 인식에서 6을 상하 반전하면 9가 되므로 적절하지 않다.

2) 적절한 증강 강도

너무 약한 증강은 효과가 미미하고, 너무 강한 증강은 원본 데이터의 특성을 왜곡할 수 있다. 적절한 증강으로 균형을 찾는 것이 중요하다.

3) 레이블의 일관성 유지

데이터를 증강할 때 레이블(정답)이 여전히 유효한지 확인해야 한다. 예를 들어 물체 인식 작업에서 이미지를 크롭할 때 물체가 잘려나가지 않도록 주의해야 한다.

4) 계산 비용 고려

일부 고급 증강 기법은 많은 계산 자원을 필요로 한다. 학습 시간과 성능 향상을 비교하여 효율적인 증강 방법을 선택해야 한다.

5) 검증 데이터에는 적용하지 않기

데이터 증강은 학습 데이터에만 적용하고, 검증 데이터(Validation Data)나 테스트 데이터(Test Data)에는 적용하지 않는다. 모델의 실제 성능을 정확히 평가하기 위함이다.