데이터 증강은 원천 데이터가 부족하거나 특정 조건의 다양성을 늘려야 할 때 적용합니다. 회전, 밝기, 자르기, 노이즈 추가, 문장 변형 같은 방법을 통해 모델의 일반화 성능을 높이는 데 사용합니다.
프롬데이터 관점에서는 이 질문을 데이터 증강의 단일 개념으로만 보지 않고, 데이터 수집·라벨링·가공·품질검수까지 이어지는 AI 데이터 구축 흐름 안에서 판단합니다.
실무 기준
- 증강 대상 클래스와 목적을 먼저 정합니다.
- 실제 서비스 환경에서 발생 가능한 변형만 적용합니다.
- 증강 후 라벨과 메타데이터가 유지되는지 확인합니다.
AI 데이터 가공에서 데이터 증강은 부족 구간을 보완하는 수단입니다. 다만 증강 데이터가 실제 환경과 너무 다르면 모델 성능을 왜곡할 수 있어 품질검수가 필요합니다.
구축 시 주의할 점
- 증강은 실제 데이터 수집을 완전히 대체하지 않습니다.
- 좌표 라벨이 있는 데이터는 이미지 변형 후 라벨도 함께 변환해야 합니다.
관련 서비스 내부링크
이 주제와 직접 연결되는 서비스는 AI 데이터 가공, 합성 데이터 생성 및 구축, AI 데이터 품질관리입니다.
상담이 필요한 경우 문의하기에서 프로젝트 조건을 남겨주세요.