데이터증강 (Data Augmentation)
쉽게 풀면
고양이 사진 100장만으로 인공지능에게 고양이를 가르치면 부족할 수 있습니다. 이때 가지고 있는 사진들을 좌우로 뒤집거나, 살짝 회전시키거나, 밝기를 바꾸거나, 일부를 잘라내는 식으로 조금씩 변형하면 겉보기에는 새로운 사진처럼 보이는 데이터를 훨씬 많이 만들어낼 수 있습니다. 이렇게 원본 데이터를 다양하게 변형해 학습용 데이터의 양과 다양성을 인위적으로 늘리는 방법이 데이터증강입니다. 데이터를 수집하는 데 드는 시간과 비용을 절약하면서도 모델이 다양한 상황에 더 잘 대응하도록 돕습니다.
왜 중요한가
딥러닝 모델은 대체로 데이터가 많을수록 성능이 좋아지지만, 실제로는 라벨링된 데이터를 충분히 모으기 어려운 경우가 많습니다. 데이터증강은 별도의 수집 비용 없이 기존 데이터를 활용해 이 문제를 완화하는 대표적인 방법이라 비전·음성·자연어처리 등 다양한 분야의 논문에서 실험 설계의 기본 요소로 다뤄집니다. 또한 모델이 특정 조건에만 과하게 맞춰지는 과적합을 줄이고 일반화 성능을 높이는 수단으로도 자주 언급되며, 최근에는 데이터 자체를 생성 모델로 만들어내는 연구와도 연결됩니다.
논문에서는 이렇게 쓰입니다
가지고 있던 데이터를 다양하게 변형해 실질적인 학습 데이터 양을 늘렸다는 뜻입니다.
텍스트 분야에서는 이미지와 달리 단어를 다른 표현으로 바꾸거나 다른 언어로 번역했다가 다시 원래 언어로 되돌리는 방식으로 문장을 변형한다는 의미입니다.
데이터증강이 단순히 전체 데이터를 늘리는 용도뿐 아니라, 특정 범주의 데이터가 적은 문제를 보완하는 데도 쓰인다는 뜻입니다.
조금 더 깊게 보면
데이터증강 기법은 크게 이미지를 회전·반전·자르기 등으로 직접 변형하는 방식과, 생성 모델이나 딥러닝 기반 알고리즘이 학습을 통해 그럴듯한 변형을 스스로 찾아내는 방식으로 나눌 수 있습니다. 후자에는 여러 증강 기법을 조합해 최적의 조합을 탐색하는 자동화된 접근이나, Mixup처럼 서로 다른 두 데이터를 일정 비율로 섞어 새로운 학습 샘플을 만드는 방법도 포함됩니다. 논문을 읽을 때는 어떤 증강 기법을 어느 정도 강도로, 어떤 데이터에 적용했는지가 실험 재현성과 성능 비교에 중요한 조건이 된다는 점을 눈여겨볼 필요가 있습니다.
주의할 점
데이터증강으로 만든 데이터는 원본 데이터의 정보를 재활용한 것일 뿐 완전히 새로운 정보를 담고 있지는 않으므로, 실제 다양한 환경을 반영한 진짜 새로운 데이터를 완전히 대체할 수는 없습니다. 또한 과제 특성에 맞지 않는 변형(예: 글자 이미지를 좌우 반전시키는 것)은 오히려 학습을 방해할 수 있습니다.