Descripción: El aumento de imagen es una técnica utilizada en el campo del aprendizaje automático, especialmente en redes neuronales convolucionales (CNN), para expandir artificialmente el tamaño de un conjunto de datos de entrenamiento. Esta técnica consiste en crear versiones modificadas de imágenes originales mediante transformaciones como rotaciones, escalados, recortes, cambios de brillo y adición de ruido, entre otros. El objetivo principal del aumento de imagen es mejorar la generalización del modelo al proporcionar una mayor diversidad de ejemplos durante el entrenamiento, lo que ayuda a prevenir el sobreajuste. Al introducir variaciones en las imágenes, se simulan diferentes condiciones de captura y se permite que el modelo aprenda características más robustas y representativas de los datos. Esta práctica es especialmente valiosa en situaciones donde la recopilación de datos es costosa o limitada, ya que permite maximizar el uso de un conjunto de datos existente. En resumen, el aumento de imagen es una herramienta esencial en el entrenamiento de modelos de visión por computadora, contribuyendo a la creación de sistemas más precisos y eficientes.
