> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/spanish/caracteristicas-clave/annotate-data-for-object-detection/augment-dataset.md).
# Aumentar dataset
La aumentación (augmentation) crea nuevas imágenes de entrenamiento aplicando transformaciones controladas a tus imágenes etiquetadas actuales, manteniendo las cajas delimitadoras (bounding boxes) perfectamente alineadas.
Usada correctamente, la aumentación ayuda a que tu modelo se generalice (funcione bien con imágenes nuevas). Usada de forma incorrecta, puede empeorar el entrenamiento al enseñar al modelo patrones poco realistas.
***
## ⚖️ Qué es la aumentación (y qué no)
| **La aumentación SÍ es...** | **La aumentación NO es...** |
| ------------------------------------------------------------------------ | ---------------------------------------------------------------- |
| Una forma de simular cambios de iluminación, rotación o ruido. | Un sustituto de ángulos de cámara o productos que no tienes. |
| Una herramienta para mejorar la robustez en conjuntos de datos pequeños. | Una solución para etiquetas iniciales incorrectas o descuidadas. |
| Un método para reducir el overfitting. | Una garantía de mejores resultados (exagerar puede perjudicar). |
***
## Uso estratégico
Cuándo la aumentación resulta útil
* **Conjuntos pequeños:** Tienes pocas imágenes por clase.
* **Variación ambiental:** Esperas cambios en iluminación (día/noche), reflejos o desenfoque por movimiento.
* **Overfitting:** La precisión en entrenamiento es alta, pero el rendimiento en el mundo real es bajo.
* **Clases raras:** Algunos objetos aparecen muy pocas veces en tus datos reales.
Cuándo la aumentación es innecesaria (o riesgosa)
* **Datos reales diversos:** Ya cuentas con miles de imágenes reales y variadas.
* **Características sutiles:** La inspección depende de rasguños o texturas pequeñas que el desenfoque/ruido puede destruir.
* **Entornos estables:** La iluminación, cámara y posiciones del producto no cambian. Por ejemplo, un objeto fijo no necesita rotación.
{% hint style="warning" %}
**Atención al espacio en disco:** La aumentación genera archivos físicos nuevos. Activar muchas opciones puede hacer que la carpeta del dataset crezca mucho. **Ejecuta la aumentación solo después de terminar las etiquetas manuales y haz una copia de seguridad.**
{% endhint %}
***
## 🛠️ Cómo funciona la ventana de Aumentación
En la Image Annotation Window, navega a **Tools** → **Augment Dataset**.
### Desglose de la interfaz
| Sección | Función |
| -------------------- | ----------------------------------------------------------------------------------------------------------------- |
| **Quick Presets** | Configuraciones de un clic para aplicar valores predeterminados sensatos.  |
| **Quick Toggles** | Activar/desactivar grupos enteros (p. ej., Color, Noise) rápidamente.  |
| **Detailed Options** | Ajustes finos de intensidad para Brightness, Contrast, Blur, Noise y cambios de perspectiva. |
***
## Un flujo de trabajo seguro y práctico
1. **Línea base limpia:** Termina primero las etiquetas manuales (o al menos un subconjunto limpio).
2. **Copia de seguridad:** Duplica la carpeta de tu dataset.
3. **Empieza pequeño:** Usa un preset o ajustes mínimos.
4. **Auditoría visual:** Abre la carpeta generada y verifica:
* ¿Las cajas siguen centradas en los objetos?
* ¿Las imágenes aumentadas siguen pareciendo realistas?
5. **Entrena y compara:** Compara el rendimiento del modelo entrenado con y sin aumentación.
***
## ❓ Solución de problemas
📉 "Mi modelo empeoró tras la aumentación"
Esto suele indicar que la aumentación no coincide con la realidad.
* Prueba reducir la intensidad de la aumentación.
* Desactiva transformaciones que generen imágenes poco realistas (p. ej., no uses rotación de 180° si las partes siempre están en posición vertical).
🖼️ "Las cajas se ven mal en las imágenes aumentadas"
* Reduce las transformaciones geométricas (rotación/perspectiva).
* Asegúrate de que las etiquetas originales eran precisas y ajustadas antes de la aumentación.
📂 "Se generaron demasiados archivos"
* Desactiva la mayoría de transformaciones y deja solo las realmente necesarias.
* Aplica la aumentación a un subconjunto más pequeño de imágenes.