Доброе утро! Сегодня поговорим о применении аугментации, которая позволяет увеличить объем исходного количества изображений за счет их изменений: поворот, растягивание/сжатие, изменение цветов.

Огромную долю в восприятии информации человеком занимает визуальная информация. Практически всё в мире можно представить в виде изображения. Изображения и видео могут содержать в себе очень много данных — именно поэтому задачи по обработке изображений человек отдает машине.

Для машинного обучения в специфических областях очень остро стоит проблема нехватки данных для обучения. В посте рассмотрю один из способов генерировать изображения

Что делать, если нет нужного вам набора данных для машинного обучения?

Думаю, каждый кто работал с computer vision сталкивался с тем, что его датасет очень мал и было бы неплохо расширить его с помощью модификации уже готовых данных. Например, добавить картинки, которые зеркально отражены или повернуты на некоторый градус. Это один из базовых подходов к пополнению датасета.

В 2020 году мы столкнулись с пандемией короновирусной инфекции. В связи с этим в общественных местах граждане вынуждены носить средства защиты органов дыхания (медицинские маски). В данной статье мы попытаемся разработать алгоритм автоматического определения – находится ли лицо человека на фотографии в маске или нет (на основе существующей нейросети MobileNetV2).