Как интерпретировать различия в кривых точности после применения различных увеличений данных при обучении CNN? ⇐ Python

[Гость]

Я обучил CNN для распознавания эмоций и использовал два различных конвейера преобразования для предварительной обработки изображения: < /p>
Простая трансформация: < /p>
TRANSFORM = transforms.Compose([
transforms.Resize((64, 64)),
transforms.Grayscale(num_output_channels=1),
transforms.ToTensor(),
transforms.Normalize(mean=[0.485], std=[0.229])
])
< /code>
расширенное увеличение данных: < /p>
TRANSFORM = transforms.Compose([
transforms.Resize((64, 64)),
transforms.Grayscale(num_output_channels=1),
transforms.RandomHorizontalFlip(p=0.5),
transforms.RandomAffine(degrees=5, translate=(0.1, 0.1), scale=(0.9, 1.1), fill=0),
transforms.GaussianBlur(kernel_size=(3,3), sigma=(0.1, 1.0)),
transforms.ToTensor(),
transforms.Normalize(mean=[0.5], std=[0.5]),
])
< /code>
Я обучил свою модель с обоими преобразованием отдельно и получил две разные кривые точности для обучения и проверки. > Интерпретация различий в этих кривых точности < /strong>?
simple_transformation_curve
augmenatation_curve < /p>

Подробнее здесь: https://stackoverflow.com/questions/794 ... nt-data-au