<aside> 💡 Notion 팁: 이 페이지에 실험과 관련된 세부 내용과 배경 설명을 정리해 보세요.
</aside>
augraphy 오프라인 증강 데이터를 활용하여 학습을 진행한 결과, 제출 점수가 오히려 하락하는 현상이 발생함.
augraphy 로 증강된 데이터가 validation set에 포함되면 모델의 일반화 성능에 부정적인 영향을 미칠수 있음.
| 실험명 | Train 구성 | Validation 구성 | 목적 |
|---|---|---|---|
| 실험 1 | 원본 train + augraphy 증강 | 원본 validation | baseline 성능 확인 |
| 실험 2 | 원본 train + augraphy 증강 | 원본 validation × 2 (동일 이미지 중복) | validation 양 증가 시 영향 확인 |
| 실험 3 | 원본 train + augraphy 증강 | 원본 validation + augraphy 버전 | augraphy 포함 시 영향 확인 |
| 실험명 | Validation F1 Score | 분석 |
|---|---|---|
| 실험 1 | 0.9326 | baseline |
| 실험 2 | 0.9342 | 소폭 상승 → validation 수량 증가의 영향 미미 |
| 실험 3 | 0.9146 | 성능 저하 → augraphy 포함 시 성능 악화 |
augraphy로 증강된 데이터는 학습(train)에는 효과적이지만, validation set에는 포함하지 않는 것이 성능 향상에 유리함.