Bir perakendeci, raflardaki ürünlerin üstten çekilmiş fotoğraflarını kullanarak hangi ürünlerin kaldırıldığını tespit ediyor. 10 farklı ürünü kapsayan 1.000 görüntüyü etiketlediler, ancak model performansı zayıf. Şirketin uzun vadeli ihtiyaçlarını en iyi karşılayan yaklaşım hangisidir?

Doğru cevap, her ürün sınıfı için görüntü varyantları oluşturarak eğitim setini artırmak, yeniden eğitmek ve yinelemektir. Bu teknik, veri büyütme (data augmentation) olarak bilinir ve sınırlı veri setleriyle eğitilen modellerin genelleme yeteneğini artırır. Modelin farklı pozisyonlarda, aydınlatmalarda veya açılarda çekilmiş ürünleri tanımasına yardımcı olur. Diğer seçenekler: Tüm görüntüleri gri tonlamaya dönüştürmek, renk bilgisini kaybederek modelin performansı üzerinde olumsuz bir etki yaratabilir, çünkü renkler ürünleri ayırt etmede önemli bir özellik olabilir. Ürün sınıfı sayısını 10'dan 2'ye düşürmek, sorunu geçici olarak çözse de, perakendecinin uzun vadeli ihtiyacı olan 10 farklı ürünü tespit etme hedefini karşılamaz. Her öğeye renkli etiketler yapıştırmak, pratik olmayan ve maliyetli bir çözümdür, ayrıca gerçek dünya senaryolarında uygulanabilir değildir.