Тестирование алгоритма обработки изображений на шумных данных

Question

Я написал программу обработки изображений, которая обучает некоторый классификатор распознавать какой-либо объект на изображении. Теперь я хочу проверить реакцию моего алгоритма на шум. Я бы хотел, чтобы алгоритм имел некоторую устойчивость к шуму.

Мой вопрос заключается в том, должен ли я обучать классификатор, используя зашумленную версию набора данных train, или обучать классификатор, используя оригинальную версию набора данных, и видеть его производительность на зашумленных данных.

Спасибо.

Answer 1

Чтобы показать надежность классификатора, можно использовать тестовые данные с высоким уровнем шума на первоначально обученном классификаторе. в зависимости от этой производительности, можно тренироваться снова, используя зашумленные данные, а затем снова тестировать. Очевидно, что для разработки приложений, если включение чрезвычайно шумных выборок увеличивает точность, то это путь. В литературе говорится, что у вас должен быть как можно больший выбор тренировочных образцов. однако иногда это ухудшает производительность в определенных случаях.