Аугментация данных помогает бороться с переобучением моделей, расширяя обучающий набор путём создания новых примеров на основе существующих данных. 3

Некоторые механизмы, как это происходит:

• Увеличение разнообразия контекстов, в которых модель «видит» объекты целевых классов. 1 Например, в задаче по классификации изображений нейросеть учится распознавать объекты по ограниченному набору признаков, специфичных для примеров из обучающей выборки. 1 Аугментация помогает имитировать вариативность внешнего вида и окружения объектов, генерируя примеры с различными искажениями, ракурсами, фонами. 1 В результате модель учится распознавать объекты в более широком диапазоне контекстов, что улучшает её точность и переносимость в отношении реальных данных. 1
• Вынуждение модели учиться более общим, семантически значимым признакам, игнорируя незначительные артефакты исходных данных. 1
• Обучение модели быть устойчивой к различным искажениям и помехам, которые присутствуют в реальных условиях. 1 Обучаясь на аугментированных примерах, модель учится быть устойчивой к таким трансформациям входных данных, повышается её робастность и переносимость. 1