Comparative analysis of data augmentation methods for image modality

Abstract

В сучасному світі машинне навчання стало ключовим інструментом для аналізу та опрацювання даних у різних сферах – від медицини до транспорту. Однак, щоб досягти високої точності та надійності в прогнозуванні, машинне навчання потребує великої кількості даних. Проте у багатьох випадках наявність достатньої кількості даних є неможливою, що ускладнює розроблення ефективних моделей машинного навчання. Однією з важливих проблем у машинному навчанні є аналіз коротких наборів даних. У таких випадках, розроблення ефективної моделі машинного навчання може бути складним завданням, оскільки точність таких моделей зазвичай залежить від обсягу даних. Проте застосування методів аугментації даних може збільшити обсяг даних, необхідних для ефективного навчання моделей. Метою роботи є порівняльний аналіз методів аугментації даних для модальності зо бражень. У рамках роботи дослідженоо різні методи аугментації даних для зображень. Дослідження виконано за допомогою різних алгоритмів та моделей машинного навчання. Порівняння результатів досліджень дозволить визначити ефективність різних методів аугмента ції даних для модальності зображень. Об’єктом дослідження є процеси прогнозування у випадку коротких наборів табличних даних. Методами дослідження є алгоритми машинного навчання, які використовуються для роботи з модальностю зображення. Предметом дослідження є методи штучного доповнення даних для зображень. Досягнення мети відбувається , в першу чергу, за рахунок вивчення існуючих засобів машинного навчання та методів доповнення даних для зображень. Подальше розроблення програмного забезпечення для впровадження різних методів доповнення даних і моделей машинного навчання для зображень. Апробацію роботи пров едено шляхом аналізу ефективності різних методів доповнення даних для зображень за допомогою метрик якості та статистичних методів. У результаті дослідження отримано порівняльний аналіз впливу різних методів доповнення даних на ефективність класифікаторів зображень із використанням різних метрик, таких, як accuracy, recall, precision, f1-score, confusion matrix

The object of research is forecasting processes in the case of short sets of tabular data. The subject of research is the data augmentation method for images. Achieving the goal occurs primarily from thestudy of existing machine learning tools and data augmentation methods for images. Further software development to implement various data augmentation methods and machine learning models for images. Approbation of the work was carried out by analyzing the effectiveness of various methods of data augmentation for images using quality metrics and statistical methods. Due to the results of the research, an analysis of the influence of various methods of data augmentation on the effectiveness of classifiers in images was carried out