Sample selection strategies for data augmentation with Gabriel Graph margin interpretation

Abstract

Inicialmente, o Aumento de Dados era visto mais como uma ferramenta do que uma linha de pesquisa, propriamente, e era empregado de forma essencialmente empírica. Transformações geométricas e fotométricas gerais eram aplicadas a conjuntos de dados, sem grande consideração pelo processo de aumento. Posteriormente, um interesse por rotinas de Aumento de Dados mais eficientes levou à proposta de novas técnicas. Tais técnicas resultaram em ganhos de desempenho e foram focadas em novas formas de geração de novos dados. Modelos generativos e estratégias automatizadas de seleção de transformações foram empregadas com sucesso. A estrutura dos dados, no entanto, permanece por ser explorada. Um conceito conhecido na literatura de Aprendizado de Máquinas, diz respeito ao diferente impacto de diferentes amostras em modelos discriminativos, princípio explorado em técnicas como Boosting e Máquinas de Vetor de Suporte. Amostras de difícil classificação e aquelas próximas da superfície de decisão são cruciais para a construção de um bom modelo. Este trabalho propõe estratégias para a seleção de amostras para Aumento de Dados, que podem ser aplicadas de forma confiável e razoável a grandes conjuntos de dados, pois são velozes, escaláveis e envolvem poucos hiperparâmetros. A confiabilidade é apresentada com um estudo formal de efeitos na margem de separação, com o auxílio de uma estrutura baseada no Grafo de Gabriel. O estudo de probabilidades na margem em um Grafo de Gabriel levou ao desenvolvimento de uma formulação estocástica para o Grafo que tem, em si mesma, grande valor.