Datenerweiterung

Die Datenerweiterung ist eine wichtige Technik beim maschinellen Lernen (ML), mit der die Größe und Vielfalt eines Trainingsdatensatzes künstlich erweitert wird. Dies wird durch die Erstellung modifizierter Versionen vorhandener Datenpunkte oder durch die Generierung neuer synthetischer Beispiele auf deren Grundlage erreicht. Das Hauptziel besteht darin, die Leistung, die Verallgemeinerungsfähigkeit und die Robustheit von ML-Modellen zu verbessern, insbesondere in Bereichen wie Computer Vision (CV), in denen die Beschaffung großer und vielfältiger Datensätze kostspielig und zeitaufwändig sein kann. Durch das Trainieren von Modellen wie Ultralytics YOLO auf erweiterten Daten können Entwickler ihnen helfen, mit einer größeren Bandbreite von Variationen umzugehen, die in realen Szenarien auftreten, was zu einer besseren Genauigkeit bei ungesehenen Daten führt.

Wie die Datenerweiterung funktioniert

Der Kerngedanke der Datenerweiterung besteht darin, verschiedene Transformationen auf die ursprünglichen Datenproben anzuwenden, um neue, plausible Trainingsbeispiele zu generieren. Diese Transformationen sollten idealerweise Variationen widerspiegeln, auf die das Modell während der Inferenz stoßen könnte. Bei Bilddaten, die in der Computer Vision im Vordergrund stehen, werden übliche Augmentierungsverfahren eingesetzt:

• Geometrische Transformationen: Veränderung der räumlichen Eigenschaften des Bildes, z. B. Rotation, Skalierung (Vergrößern oder Verkleinern), Translation (Verschiebung), Scherung und Spiegelung (horizontal oder vertikal).
• Farbraumtransformationen: Änderung der Farbeigenschaften, einschließlich Anpassungen von Helligkeit, Kontrast, Sättigung und Farbton. Dadurch werden die Modelle weniger empfindlich gegenüber Lichtverhältnissen und Kameravariationen.
• Rauschen hinzufügen: Zufälliges Rauschen (z. B. Gaußsches Rauschen) einfügen, um Sensorrauschen oder eine unzureichende Bildqualität zu simulieren.
• Zufälliges Ausradieren / Ausschneiden: Ausblenden von zufälligen rechteckigen Bereichen eines Bildes, um das Modell dazu zu bringen, sich auf verschiedene Teile von Objekten zu konzentrieren und die Robustheit gegenüber Verdeckungen zu verbessern.
• Bilder mischen: Kombinieren mehrerer Bilder oder Teile von Bildern. Techniken wie Mixup (Interpolation zwischen zwei Bildern und ihren Beschriftungen) und CutMix (Einfügen eines Bereichs aus einem Bild in ein anderes) zwingen das Modell, aus weniger sauberen Beispielen zu lernen.

Obwohl sie häufig im Lebenslauf verwendet werden, finden Augmentierungsverfahren auch in anderen Bereichen Anwendung. In der natürlichen Sprachverarbeitung (NLP) können beispielsweise Methoden wie Synonymersatz, Rückübersetzung (Übersetzung von Text in eine andere Sprache und zurück) und zufälliges Einfügen/Löschen von Wörtern Textdaten ergänzen.

Bedeutung und Nutzen

Die Datenerweiterung ist aus mehreren Gründen ein wesentlicher Bestandteil des ML-Workflows:

• Verbesserte Modellgeneralisierung: Indem das Modell mehr verschiedenen Beispielen ausgesetzt wird, hilft ihm die Erweiterung, zugrundeliegende Muster zu erlernen, anstatt sich spezifische Trainingsbeispiele einzuprägen, was zu einer besseren Leistung bei neuen Daten führt.
• Reduzierte Überanpassung: Überanpassung tritt auf, wenn ein Modell bei den Trainingsdaten gut abschneidet, bei den ungesehenen Daten jedoch schlecht. Die Erweiterung wirkt als Regularisierungstechnik, die es dem Modell erschwert, den begrenzten Originaldatensatz zu übererfüllen.
• Erhöhte Robustheit: Modelle, die mit erweiterten Daten trainiert wurden, sind in der Regel widerstandsfähiger gegenüber Schwankungen in der Eingabe, wie z. B. Änderungen der Beleuchtung, des Blickwinkels, des Maßstabs oder teilweiser Verdeckungen.
• Geringerer Bedarf an Datenerfassung: Entwickler können mit kleineren Ausgangsdatensätzen bessere Ergebnisse erzielen und so Zeit und Ressourcen für die Datenerfassung und -beschriftung sparen. Weitere Tipps zur Modellschulung finden Sie in unserer Dokumentation.

Techniken und Werkzeuge

Die Implementierung der Datenerweiterung wird durch verschiedene Bibliotheken und Frameworks erleichtert. Für Computer-Vision-Aufgaben, einige beliebte Werkzeuge gehören:

• Albumentations: Eine schnelle und flexible Bibliothek, die speziell für die Bildvergrößerung entwickelt wurde und eine breite Palette von Transformationen bietet. Ultralytics bietet eine Integration für Albumentations zur Verwendung mit YOLO-Modellen.
• TensorFlow: Bietet Erweiterungsmöglichkeiten durch die tf.image Modul und Keras-Vorverarbeitungsschichten.
• PyTorch: Bietet Augmentationstransformationen über die torchvision.transforms Modul.

Ultralytics-Modelle enthalten während des Trainings mehrere wirksame integrierte Augmentationstechniken. Benutzer können ihre Datensätze verwalten und diese Funktionen über Plattformen wie Ultralytics HUB nutzen.

Anwendungen in der realen Welt

Die Datenerweiterung wird in zahlreichen KI-Bereichen eingesetzt:

1. KI im Gesundheitswesen: Bei der Analyse medizinischer Bildgebung, z. B. bei der Erkennung von Tumoren in Scans, sind die Datensätze aufgrund von Datenschutzbedenken und der Seltenheit bestimmter Erkrankungen oft begrenzt. Durch Augmentierungsverfahren wie Rotation, Skalierung und Helligkeitsanpassung werden vielfältige Trainingsbeispiele erstellt, die den Modellen helfen, Anomalien trotz unterschiedlicher Bildgebungsgeräte oder Patientenpositionierung zuverlässig zu erkennen. Dadurch wird die Diagnosegenauigkeit medizinischer Bildanalysesysteme verbessert.
2. KI für die Automobilindustrie: Die Entwicklung von robusten Objekterkennungssystemen für autonome Fahrzeuge erfordert Trainingsdaten, die verschiedene Fahrszenarien abdecken. Die Erweiterung simuliert unterschiedliche Wetterbedingungen (z. B. durch Hinzufügen von synthetischem Regen oder Nebel), Beleuchtungsvariationen (Tag, Nacht, Morgen-/Dämmerung) und Verdeckungen (z. B. teilweise verdeckte Fußgänger oder Fahrzeuge), wodurch die Wahrnehmungssysteme in unvorhersehbaren realen Umgebungen zuverlässiger werden.
3. KI in der Landwirtschaft: Bei Aufgaben wie der Erkennung von Pflanzenkrankheiten oder dem Zählen von Früchten kann die Augmentation wetter- oder tageszeitbedingte Beleuchtungsschwankungen, unterschiedliche Wachstumsstadien oder Kamerawinkel von Drohnen oder Bodenrobotern simulieren, was zu robusteren Lösungen für die Präzisionslandwirtschaft führt.
4. KI in der Fertigung: In der Qualitätskontrolle kann die Augmentation Variationen in der Produktausrichtung, der Beleuchtung und kleinere Defekte erzeugen, um Modelle für eine zuverlässigere Erkennung von Anomalien an Produktionslinien zu trainieren.

Datenerweiterung vs. Synthetische Daten

Obwohl sowohl die Datenerweiterung als auch die Erzeugung synthetischer Daten darauf abzielen, die Trainingsdaten zu verbessern, unterscheiden sie sich grundlegend:

• Datenerweiterung: Verändert vorhandene reale Daten durch Transformationen. Sie erhöht die Varianz um die beobachteten Datenpunkte, führt aber im Allgemeinen keine völlig neuen Szenarien ein, die in den ursprünglichen Daten nicht enthalten sind.
• Synthetische Daten: Hierbei werden völlig neue, künstliche Daten von Grund auf neu erstellt, oft unter Verwendung von Simulationen, Computergrafiken oder generativen Modellen wie Generative Adversarial Networks (GANs) oder Diffusionsmodellen. Synthetische Daten können Szenarien darstellen, die in der realen Welt selten oder unmöglich zu erfassen sind, und so möglicherweise Lücken füllen, die durch Augmentierung nicht geschlossen werden können.

In der Praxis ist die Datenerweiterung oft einfacher zu implementieren und rechnerisch kostengünstiger als die Generierung originalgetreuer synthetischer Daten. Beide Techniken können wertvoll sein, und manchmal werden sie in Kombination verwendet, um äußerst vielfältige und robuste Trainingsdatensätze für anspruchsvolle KI-Anwendungen zu erstellen.