🖼️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

chevron-rightCuándo la aumentación resulta útilhashtag
  • 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.

chevron-rightCuándo la aumentación es innecesaria (o riesgosa)hashtag
  • 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.

circle-exclamation

🛠️ Cómo funciona la ventana de Aumentación

En la Image Annotation Window, navega a ToolsAugment Dataset.

Augmentation Selector window

Desglose de la interfaz

Sección
Función

Quick Presets

Configuraciones de un clic para aplicar valores predeterminados sensatos. Presets

Quick Toggles

Activar/desactivar grupos enteros (p. ej., Color, Noise) rápidamente. Toggles

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

chevron-right📉 "Mi modelo empeoró tras la aumentación"hashtag

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).

chevron-right🖼️ "Las cajas se ven mal en las imágenes aumentadas"hashtag
  • Reduce las transformaciones geométricas (rotación/perspectiva).

  • Asegúrate de que las etiquetas originales eran precisas y ajustadas antes de la aumentación.

chevron-right📂 "Se generaron demasiados archivos"hashtag
  • Desactiva la mayoría de transformaciones y deja solo las realmente necesarias.

  • Aplica la aumentación a un subconjunto más pequeño de imágenes.

Última actualización