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)

Augmentation Examples

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.

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.

---

🛠️ Cómo funciona la ventana de Aumentación

En la Image Annotation Window, navega a Tools → Augment Dataset.

Augmentation Selector window

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.