ㅁ 이미지 증강

ㅇ 정의: 이미지 데이터를 변형하여 학습 데이터의 다양성을 인위적으로 확장하는 기법. 원본 이미지를 다양한 방식으로 변환해 모델의 일반화 성능을 향상시킴.

ㅇ 특징: 데이터 부족 문제 해결, 과적합 방지, 실제 환경에서의 다양한 변화를 모델이 학습 가능하게 함.

ㅇ 적합한 경우: 이미지 데이터셋이 작거나 특정 각도·조명·위치에 치우친 경우, 다양한 환경에서 성능을 높이고 싶은 경우.

ㅇ 시험 함정: 단순히 데이터 개수를 늘리는 것과 혼동, 데이터 증강이 항상 성능을 높이는 것은 아님, 원본 데이터의 의미 왜곡 가능성.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “이미지 증강은 모델의 일반화 성능을 높이는 데 도움을 준다.”
X: “이미지 증강은 원본 데이터의 라벨을 변경해야 한다.”

================================

1. 회전

ㅇ 정의: 이미지를 일정 각도로 회전시켜 새로운 학습 샘플을 생성하는 기법.

ㅇ 특징: 다양한 시점에서 촬영된 것처럼 효과, 각도에 따라 정보 손실 발생 가능.

ㅇ 적합한 경우: 물체 방향이 다양할 수 있는 이미지 분류, 물체 감지 문제.

ㅇ 시험 함정: 회전 각도가 너무 크면 이미지 라벨과 의미가 불일치할 수 있음.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “회전 증강은 물체 방향 변화에 대한 모델의 견고성을 높인다.”
X: “회전 증강은 주로 텍스트 데이터에 적용된다.”

================================

2. 이동

ㅇ 정의: 이미지를 상하좌우 또는 대각선 방향으로 평행 이동시켜 데이터 다양성을 높이는 기법.

ㅇ 특징: 이미지 내 객체의 위치 변화에 견딜 수 있는 모델 학습 가능.

ㅇ 적합한 경우: 객체 위치가 변동하는 이미지 인식, 감시 카메라 영상 분석.

ㅇ 시험 함정: 이동 범위가 크면 객체가 잘리거나 정보 손실 발생 가능.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “이동 증강은 객체 위치 변화에 대한 인식 능력을 향상시킨다.”
X: “이동 증강은 이미지의 색상 정보를 변경한다.”

================================

3. 플립

ㅇ 정의: 이미지를 좌우 또는 상하로 반전시키는 기법.

ㅇ 특징: 대칭 구조를 가진 객체 학습에 유리, 좌우 반전은 효과적이나 상하 반전은 의미가 변질될 수 있음.

ㅇ 적합한 경우: 얼굴 인식(좌우 대칭), 풍경 이미지 등.

ㅇ 시험 함정: 상하 반전은 사람 얼굴, 글자 등 의미 있는 구조를 왜곡할 수 있음.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “좌우 플립은 대칭 구조 학습에 유용하다.”
X: “모든 이미지에서 상하 플립은 항상 정확도를 높인다.”

================================

4. 밝기/대비 조절

ㅇ 정의: 이미지의 밝기(brightness)와 대비(contrast)를 변경하여 다양한 조명 환경을 시뮬레이션하는 기법.

ㅇ 특징: 빛 환경의 다양성 반영, 너무 과도한 조절은 정보 손실·왜곡 가능.

ㅇ 적합한 경우: 조명 변화가 심한 환경(야외/실내 혼합), CCTV 영상 분석.

ㅇ 시험 함정: 대비를 조절하면 색상 정보가 변할 수 있음, 과도한 밝기 변경은 라벨과 무관한 특징을 생성 가능.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “밝기/대비 조절은 다양한 조명 조건에 대한 모델의 적응력을 높인다.”
X: “밝기/대비 조절은 객체 위치 변화를 학습하게 한다.”

================================

5. GAN 기반 증강

ㅇ 정의: 생성적 적대 신경망(GAN)을 활용하여 원본 데이터와 유사하지만 새로운 이미지를 생성하는 증강 기법.

ㅇ 특징: 기존 데이터 분포를 학습하여 현실적인 가짜 이미지를 생성, 데이터 부족 문제 해결에 효과적.

ㅇ 적합한 경우: 희귀 클래스 이미지 생성, 의료 영상 등 민감 데이터 증강.

ㅇ 시험 함정: GAN이 생성한 이미지 품질이 낮으면 오히려 성능 저하, 생성 데이터의 라벨 신뢰성이 중요.

ㅇ 시험 대비 “패턴 보기” 예시:
O: “GAN 기반 증강은 데이터 분포를 학습해 새로운 샘플을 만든다.”
X: “GAN 기반 증강은 원본 이미지를 단순 회전시켜 생성한다.”

================================

원하시면 제가 이 내용을 **시험 대비 PDF 요약집** 형식으로도 만들어 드릴 수 있습니다.
그렇게 해 드릴까요?