{"id":2486,"date":"2022-12-08T00:00:00","date_gmt":"2022-12-08T00:00:00","guid":{"rendered":"https:\/\/www.cesar.org.br\/painel\/insight\/data-augmentation-como-transformar-dados-ja-existentes-em-novas-fontes-de-informacao\/"},"modified":"2026-06-05T15:59:08","modified_gmt":"2026-06-05T18:59:08","slug":"data-augmentation-como-transformar-dados-ja-existentes-em-novas-fontes-de-informacao","status":"publish","type":"insight","link":"https:\/\/www.cesar.org.br\/painel\/insight\/data-augmentation-como-transformar-dados-ja-existentes-em-novas-fontes-de-informacao\/","title":{"rendered":"Data Augmentation: Como transformar dados j\u00e1 existentes em novas fontes de informa\u00e7\u00e3o"},"content":{"rendered":"
\n

Por\u00a0Marianna Severo, Data Scientist e Vitor Casadei, Senior Technical Data Scientist do CESAR.<\/em><\/p>\n

A Data Augmentation compreende um conjunto de t\u00e9cnicas que t\u00eam como objetivo melhorar a qualidade dos conjuntos de dados, de forma a melhorar o desempenho dos modelos de aprendizado, principalmente daqueles que mais sofrem com o overfitting, um problema relacionado \u00e0 perda da capacidade de generaliza\u00e7\u00e3o do aprendizado dos modelos para amostras n\u00e3o vistas durante o treinamento. Para isso, ela se aproveita dos dados j\u00e1 obtidos para a gera\u00e7\u00e3o de novas amostras [1].<\/p>\n

\u00c9 importante destacar que essas t\u00e9cnicas visam n\u00e3o somente aumentar o volume de dados, mas tamb\u00e9m trazer maior diversidade<\/strong> para os conjuntos gerados. Uma vez que no mundo real um mesmo fen\u00f4meno pode ter diferentes caracter\u00edsticas, precisamos trazer essa diversidade para os dados, visando ajudar os modelos a tornarem-se invariantes a elas [2].<\/p>\n

Como funciona a Data Augumentation?<\/h2>\n

A DA pode ser aplicada a diferentes tipos de dados, como tabulares, imagens, textos e \u00e1udios. E existem duas abordagens b\u00e1sicas: a distor\u00e7\u00e3o (Warping)<\/strong>, que transforma os dados existentes, mas preserva seu r\u00f3tulo; e a s\u00edntese (Oversampling)<\/strong>, que gera amostras sint\u00e9ticas a partir do aprendizado extra\u00eddo dos dados. Al\u00e9m disso, ela pode ser empregada durante o treinamento do modelo (Online) <\/strong>ou para a cria\u00e7\u00e3o de um conjunto aumentado previamente (Offline)<\/strong> [2].<\/p>\n

Data Augmentation para Imagens<\/h2>\n

Com rela\u00e7\u00e3o \u00e0 DA para imagens, existe uma vasta variedade de t\u00e9cnicas na literatura. Mas o que \u00e9 uma imagem? <\/a>Ela pode ser vista como uma matriz de elementos que representam intensidades, chamados de pixels, que podem estar em diferentes intervalos de valores, como n\u00fameros inteiros de 0 a 255 ou n\u00fameros de ponto flutuante <\/a>de 0 a 1. Uma imagem possui largura, altura e canais. E dois tipos comuns s\u00e3o as que est\u00e3o na escala de cinza (1 canal) e as RGB (3 canais).<\/p>\n

\"\"<\/p>\n

\n
\"\"
Figura 01: Exemplo de imagens na escala de cinza e RGB
\nFontes: Foto por Lukas Godina<\/a> on Unsplash<\/a>; foto por Ludemeula Fernandes<\/a> on Unsplash<\/a>.
\n*A imagem da esquerda est\u00e1 em escala de cinza e a imagem da direita est\u00e1 em RGB.<\/figcaption><\/figure>\n<\/div>\n<\/div>\n

Existem diversas propostas de organiza\u00e7\u00e3o das t\u00e9cnicas de DA para imagens. Uma proposta interessante\u00a0apresentada em Yang et al. [3] e observada na Figura 01, as categoriza em abordagens b\u00e1sicas e avan\u00e7adas. As primeiras envolvem m\u00e9todos de\u00a0processamento de imagens<\/a>\u00a0e s\u00e3o consideradas de mais simples implementa\u00e7\u00e3o (ramo \u00e0 esquerda na Figura 04). As segundas costumam utilizar modelos de aprendizado profundos e podem ser mais complexas de se implementar e aplicar (ramo \u00e0 direita na Figura 02) .<\/p>\n

\n
\"\"
Figura 02: Exemplo de taxonomia de t\u00e9cnicas de DA
\nFonte: Adaptado de Yang et al. [3].<\/figcaption><\/figure>\n<\/div>\n

Quais os principais exemplos dessas abordagens?<\/h2>\n

T\u00e9cnicas Tradicionais<\/h3>\n

As t\u00e9cnicas tradicionais t\u00eam como objetivo produzir amostras que ajudem os modelos a se tornarem invariantes a caracter\u00edsticas, como: localiza\u00e7\u00e3o no espa\u00e7o, \u00e2ngulo de vis\u00e3o, ru\u00eddos, ilumina\u00e7\u00e3o, entre outras. Tornar-se invariante significa apresentar resultados que s\u00e3o independentes das varia\u00e7\u00f5es dessas caracter\u00edsticas. Alguns exemplos s\u00e3o as\u00a0transforma\u00e7\u00f5es geom\u00e9tricas<\/a>\u00a0(Figura 03), como transla\u00e7\u00e3o, rota\u00e7\u00e3o e escala, e as\u00a0fotom\u00e9tricas\u00a0<\/strong>(Figura 03), como brilho e contraste.<\/p>\n

\n
\"\"
(a)<\/figcaption><\/figure>\n<\/div>\n

 <\/p>\n

\n
\"\"
(b)<\/figcaption><\/figure>\n<\/div>\n

 <\/p>\n

\n
\"\"
(c)
\nFigura 03: Exemplos de DA tradicionais
\nTransla\u00e7\u00e3o (a), Ru\u00eddo Salt & Pepper (b) e Contraste (c)
\nFonte: Adaptado de Foto por\u00a0Adison Ferreira<\/a>\u00a0em\u00a0Unsplash<\/a>.<\/figcaption><\/figure>\n<\/div>\n

Image Erasing<\/h3>\n

T\u00e9cnicas de Image Erasing (apagamento de imagem, em portugu\u00eas) removem uma ou mais sub-regi\u00f5es da imagem, substituindo-as por valores constantes ou aleat\u00f3rios. Elas visam gerar dados que ajudem os modelos a se tornarem invariantes a oclus\u00f5es, incentivando-os a aprender caracter\u00edsticas mais descritivas, ao inv\u00e9s de atributos espec\u00edficos que nem sempre estar\u00e3o presentes [2]. \u00a0Um exemplo \u00e9 a\u00a0Random Erasing<\/a>\u00a0(apagamento aleat\u00f3rio, em portugu\u00eas) [4].<\/p>\n

\n
\"\"
Figura 04: Exemplo de aplica\u00e7\u00e3o do Random Erasing.
\nFonte: Adaptado de Zhong et al (4).\u00a0<\/figcaption><\/figure>\n<\/div>\n

Na figura, observamos diferentes abordagens de aplica\u00e7\u00e3o da t\u00e9cnica de Random Erasing. Na primeira linha, h\u00e1 exemplos de apagamentos que podem ocorrer em qualquer regi\u00e3o da imagem, chamados de sens\u00edveis \u00e0 imagem. Na segunda linha, vemos apagamentos aplicados somente dentro dos ret\u00e2ngulos (bounding boxes) que delimitam os cavalos, chamados de sens\u00edveis ao objeto. Por fim, na terceira linha, h\u00e1 exemplos de apagamentos que podem ser aplicados tanto sobre toda a imagem como apenas sobre os bounding boxes.<\/p>\n

Meta-Aprendizado<\/h3>\n

Tem como objetivo aprender automaticamente quais s\u00e3o as melhores transforma\u00e7\u00f5es para um determinado conjunto de dados. Um exemplo bem conhecido \u00e9 o AutoAugment [5], que \u00e9 uma abordagem de aprendizado por refor\u00e7o que busca uma pol\u00edtica \u00f3tima de aumento, dado um conjunto de transforma\u00e7\u00f5es e n\u00edveis de distor\u00e7\u00e3o.<\/p>\n

Modelos Generativos Profundos<\/h3>\n

Conjunto de t\u00e9cnicas que t\u00eam como objetivo, a partir do aprendizado extra\u00eddo sobre um conjunto de dados, gerar novas amostras que possuam caracter\u00edsticas semelhantes \u00e0s presentes nele. Por exemplo, um modelo generativo pode ser treinado com um conjunto de imagens de faces de pessoas e aprender a gerar novas imagens de pessoas que n\u00e3o est\u00e3o no conjunto original, mas que t\u00eam caracter\u00edsticas parecidas, como a cor do cabelo, a pose do rosto, o uso de \u00f3culos, entre outras. Um exemplo famoso s\u00e3o as Redes Advers\u00e1rias Generativas \u00a0(do ingl\u00eas, Generative Adversarial Networks – GANs) [2].<\/p>\n

Principais desafios em Data Augmentation<\/h3>\n

Embora diversos desenvolvimentos j\u00e1 tenham sido alcan\u00e7ados, ainda existem uma s\u00e9rie de desafios e caminhos a serem explorados dentro do universo de DA. Algumas quest\u00f5es envolvem:<\/p>\n

    \n
  • Tamanho final da base de dados aumentada;<\/li>\n
  • Combina\u00e7\u00e3o entre diferentes t\u00e9cnicas;<\/li>\n
  • Compreens\u00e3o te\u00f3rica do funcionamento das t\u00e9cnicas;<\/li>\n
  • Recursos computacionais e complexidade dos m\u00e9todos;<\/li>\n
  • T\u00e9cnicas voltadas para a melhoria da robustez de modelos;<\/li>\n
  • Qualidade das amostras geradas;<\/li>\n
  • Desenvolvimento de softwares que implementam t\u00e9cnicas avan\u00e7adas;<\/li>\n
  • Tamanho\/diversidade m\u00ednimos ideais para as t\u00e9cnicas de DA serem efetivas.<\/li>\n<\/ul>\n

    REFER\u00caNCIAS\u00a0<\/strong><\/p>\n

    [1] Data Augmentation in Python: Everything You Need to Know. 21 de julho de 2022. Dispon\u00edvel em: https:\/\/neptune.ai\/blog\/data-augmentation-in-python. Acesso em: 12 de outubro de 2022.<\/p>\n

    [2.] Shorten, Connor, and Taghi M. Khoshgoftaar. A survey on image data augmentation for deep learning. Journal of big data 6.1 (2019): 1-48.<\/p>\n

    [3] Yang, Suorong, et al. Image Data Augmentation for Deep Learning: A Survey. arXiv:2204.08610 (2022).<\/p>\n

    [4] Zhong, Zhun, et al. Random erasing data augmentation. AAAI Conference on Artificial Intelligence. Vol. 34. No. 07. 2020.<\/p>\n

    [5] Cubuk, Ekin D., et al. AutoAugment: Learning augmentation strategies from data. IEEE\/CVF Conference on Computer Vision and Pattern Recognition. 2019.<\/p>\n","protected":false},"featured_media":6950,"template":"","categories":[3],"tags":[315],"formato_insights":[16],"class_list":["post-2486","insight","type-insight","status-publish","has-post-thumbnail","hentry","category-negocios","tag-data-science","formato_insights-artigo"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.cesar.org.br\/painel\/wp-json\/wp\/v2\/insight\/2486","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.cesar.org.br\/painel\/wp-json\/wp\/v2\/insight"}],"about":[{"href":"https:\/\/www.cesar.org.br\/painel\/wp-json\/wp\/v2\/types\/insight"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.cesar.org.br\/painel\/wp-json\/wp\/v2\/media\/6950"}],"wp:attachment":[{"href":"https:\/\/www.cesar.org.br\/painel\/wp-json\/wp\/v2\/media?parent=2486"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.cesar.org.br\/painel\/wp-json\/wp\/v2\/categories?post=2486"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.cesar.org.br\/painel\/wp-json\/wp\/v2\/tags?post=2486"},{"taxonomy":"formato_insights","embeddable":true,"href":"https:\/\/www.cesar.org.br\/painel\/wp-json\/wp\/v2\/formato_insights?post=2486"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}