深度学习中不进行数据增强的验证集应如何做数据划分

Question

深度学习中训练集需要数据增强，验证集和测试集不需要做数据增强，但是如果我的数据（小数据集1000个样本）按照700：300比例分配了训练集和验证集，再对700个训练集的样本进行数据增强（比如增强到2400张图片），训练集和验证集的比例2400：300这样分配合理吗，还是就应该这样分呢，不是要保证一定的比例吗，谢谢。

Answer 1

回答：1、验证集和测试集不需要扩充，数据扩充指针对训练集。

       2、比例指的是对原始数据划分的比例，不考虑增强后的。

       3、首先要明白做数据增强的意义，是为了利用现有训练集的数据，通过增强变换获得更丰富的信息，从而在测试集（验证机）上获得更好的泛化能力；

       4、如果先做增强再进行数据集的划分，那么会出现信息泄露的问题，导致同一张图片增强后的多张图片分别出现在训练集和测试集（验证集），那么由于在训练集里见过相似度很高的图片，测试（验证）的准确率就会很高，这时的测试准确率结果是不可靠的。