Tensorflow 扩充数据集真的会改进ML模型吗

我们以前有411个大小的数据集。有了这些，我们检测到了70%的物体。我们通过实施旋转和不同的亮度级别将其增加到5000。但准确率下降到40%。我们不知道哪里出了问题。

听起来不一定是出了什么问题。相反，听起来你的模型不能很好地处理旋转或亮度变化。如果您希望处理输入数据中的这些类型的变化，您可能应该增加模型的复杂性（或者找到一种方法来预处理数据，以便模型更容易处理）。

取决于您的增强数据是否比您的非增强训练数据更类似于测试数据。。。例如，如果您的训练和测试集只有“直立”的人，那么在增强过程中旋转45度是没有意义的。您是在训练/测试分割之前还是之后增强的？