Deep learning 通过数据扩充创建更多数据与对现有数据应用随机转换之间有区别吗？_Deep Learning_Computer Vision_Training Data_Data Augmentation

Deep learning 通过数据扩充创建更多数据与对现有数据应用随机转换之间有区别吗？

deep-learning computer-vision

Deep learning 通过数据扩充创建更多数据与对现有数据应用随机转换之间有区别吗？,deep-learning,computer-vision,training-data,data-augmentation,Deep Learning,Computer Vision,Training Data,Data Augmentation,当训练神经网络时，我们可以应用数据扩充来潜在地提高模型的性能。我想知道通过数据扩充创建更多数据与对现有数据应用随机转换之间是否有区别。因此，有两种选择：创建更多数据。假设我有1000个带注释的图像，我可以通过复制每个图像并随机改变某个因子的亮度来增加数据量应用随机变换。我没有创建每个图像的副本，而是在将图像输入模型之前应用变换（例如更改亮度），同时有效地保持注释图像的数量不变假设超参数保持不变，这两个选项之间的性能会有差异吗我发现了一个问题，它解释了这两种方法之间的差异，但并没有讨论选择

当训练神经网络时，我们可以应用数据扩充来潜在地提高模型的性能。我想知道通过数据扩充创建更多数据与对现有数据应用随机转换之间是否有区别。因此，有两种选择：

创建更多数据。假设我有1000个带注释的图像，我可以通过复制每个图像并随机改变某个因子的亮度来增加数据量

应用随机变换。我没有创建每个图像的副本，而是在将图像输入模型之前应用变换（例如更改亮度），同时有效地保持注释图像的数量不变

假设超参数保持不变，这两个选项之间的性能会有差异吗

我发现了一个问题，它解释了这两种方法之间的差异，但并没有讨论选择其中一种方法的潜在优势