Choisir des augmentations : hypothèses, protocoles et métriques

La création d'un nouveau pipeline d'augmentations est rarement une tâche simple. Elle commence souvent par des recadrages et des réflexions de base, puis intègre progressivement des éléments de projets précédents, d'articles et de compétitions. Au final, de nombreuses transformations s'accumulent sans une justification claire de leur choix. Cet article propose une méthode structurée pour aborder ce défi : comprendre le but de chaque transformation, ce qu'elle simule, son intensité d'application et les hypothèses qu'elle fait sur les données. L'idée centrale est que l'augmentation constitue une déclaration claire sur les variations qui ne devraient pas altérer le sens de l'étiquette. Cette clarté aide à décider quoi conserver ou éliminer et à distinguer les véritables bénéfices du simple bruit dans le processus d'apprentissage. Il n'y a pas de 'solution magique' ; l'accent est mis sur l'intuition, un modèle mental et un protocole étape par étape pour des systèmes pratiques. L'article inclut une perspective d'ingénierie, deux niveaux d'analyse, un pipeline en sept étapes, des ajustements de force et de budget, des techniques avancées, des diagnostics, des métriques, des indicateurs de préjudice, une recherche automatisée, un déploiement et des exemples.