소개

지난번 , Data Augmentation의 방법을 이해했기 때문에 전회 의 모델에 대해 Data Augmentation을 실시하는 것으로 어떻게 될까를 보고 싶습니다.

환경

Google Colaboratory

TensorFlow 2.0 Alpha

코드

여기 입니다.
왠지 GitHub에서 잘 열지 못했습니다. GitHub URL은 여기입니다.

코드 해설

Data Augmentation 설정

from tensorflow.keras.preprocessing.image import ImageDataGenerator

#datagen = ImageDataGenerator()
datagen = ImageDataGenerator(rotation_range = 10, horizontal_flip = True, zoom_range = 0.1)

이번에는 회전, 좌우 반전, 줌을 실시하기로 했습니다. 코멘트행은 Data Augmentation를 실시하지 않는 경우와 정밀도 비교를 하기 위한 것으로, 어느 쪽인지를 코멘트 아웃 해 실행하도록(듯이) 했습니다.

학습

import time

num_epoch = 80
start_time = time.time()

#train_accuracies = []
#test_accuracies = []
train_accuracies_with_da = []
test_accuracies_with_da = []


for epoch in range(num_epoch):    
    for image, label in dataset_train:
        for _image, _label in datagen.flow(image, label, batch_size = batch_size):
            train_step(_image, _label)
            break

    for test_image, test_label in dataset_test:
        test_step(test_image, test_label)

    #train_accuracies.append(train_accuracy.result())
    #test_accuracies.append(test_accuracy.result())
    train_accuracies_with_da.append(train_accuracy.result())
    test_accuracies_with_da.append(test_accuracy.result())


    template = 'Epoch {}, Loss: {}, Accuracy: {}, Test Loss: {}, Test Accuracy: {}, spent_time: {} min'
    spent_time = time.time() - start_time
    print(template.format(epoch + 1, train_loss.result(), train_accuracy.result() * 100, test_loss.result(), test_accuracy.result() * 100, spent_time / 60))

나중에 그래프를 그리기 위해 train_accuracies_with_da 또는 test_accuracies_with_da에 결과를 저장합니다. Data Augmentation하지 않으려면 주석 처리를 반전시키고 train_accuracies 또는 test_accuracies에 결과를 저장합니다.

결과

80 에포크 훈련한 결과, 간신히 Data Augmentation 하는 것이 정밀도가 좋아지고 Data Augmentation 있는 정밀도는 92.2%였습니다. Train Accuracy 쪽은 Data Augmentation 하는지 여부로 과학습도에 차이가 있는 것 같습니다.
이번에는 그다지 Data Augmentation의 효과는 크지 않았지만, 얼마나 효과를 발휘하는지는 원래 데이터 세트의 수나 특성에 기인한다고 생각합니다.

다음 이니셔티브

ResNet에 노력하고 싶습니다.