고양이 탐지를 위한 지도 이미지 분류기를 훈련하고 있습니다. 총 1,000개의 이미지와 100개의 고정된 테스트 세트가 있습니다. 오분류의 75% 이상이 주인이 고양이를 거꾸로 들고 있을 때 발생한다는 것을 확인했습니다. 어떤 기술이 이러한 유형의 오류를 특별히 줄일 수 있을까요?

주인이 고양이를 거꾸로 들고 있을 때 오분류가 발생하는 것은 모델이 이미지의 회전 변화에 강인하지 않다는 것을 의미합니다. 회전 변형이 있는 이미지를 훈련 데이터에 추가하면 모델이 다양한 방향의 고양이를 인식하는 능력을 향상시켜 이러한 특정 유형의 오류를 줄일 수 있습니다. 훈련 epoch 수를 늘리거나 신경망에 더 많은 레이어를 추가하는 것은 일반적인 과적합을 줄이거나 모델 용량을 늘리는 데 도움이 될 수 있지만, 회전 불변성 문제를 직접적으로 해결하지는 않습니다. dropout rate를 늘리는 것은 과적합을 방지하는 데