在扩充数据集中生成测试集

Question

我手头有一个图像检索任务。我有一个数据集，每个类没有太多的图像，所以我最终增加了数据集(类中每个图像有3个副本)，并从Keras blog中获得了一些灵感。我在sklearn中使用了train_test_split方法来拆分从增强数据集生成的数据集。现在，因为这是随机拆分，所以在测试时，用于测试的图像可能是针对其自身的增强对应图像进行测试的，例如，针对其原始图像测试的翻转和轻微倾斜的图像。在这种情况下，结果有可能被扭曲吗？除了仅仅为了测试而获得新的数据之外，有没有办法克服这个问题？

Answer 1

是的，这就是所谓的“泄漏”，除非数据增强转换非常激进，以至于生成的图像可能与真实的测试集相似，否则最好在进行增强之前拆分训练/测试集，并且只在训练集中进行增强。