ชุดข้อมูลที่ไม่สมดุลกันเป็นปัญหาที่พบได้ทั่วไปในทุกพื้นที่และไม่เกี่ยวข้องกับการมองเห็นคอมพิวเตอร์และปัญหาที่เกิดจาก Convolutional Neural Networks (CNNs)
เพื่อจัดการกับปัญหานี้คุณควรพยายามที่จะรักษาสมดุลของชุดข้อมูลของคุณไม่ว่าจะโดยการสุ่มตัวอย่างน้อยกว่าคลาสหรือน้อยกว่าการเรียนส่วนใหญ่ (หรือทั้งสอง) ทางเลือกที่ดีคืออัลกอริธึม SMOTE (Synthetic Minority Over-sampling เทคนิค) ดังกล่าวข้างต้น ที่นี่คุณจะพบการเปรียบเทียบอัลกอริทึมการสุ่มตัวอย่างที่แตกต่างกัน หากคุณเป็นผู้ใช้งูใหญ่ขาดดุลการเรียนรู้เป็นห้องสมุดที่ดีที่ใช้เทคนิคที่เป็นประโยชน์มากสำหรับการสร้างความสมดุลระหว่างชุดข้อมูล
ในทางกลับกันหากคุณพยายามจัดประเภทรูปภาพวิธีที่ดีในการเพิ่มขนาดชุดข้อมูลของคุณคือการเพิ่มขนาด(เช่นการสร้างตัวอย่างสังเคราะห์ที่เหมาะสมเช่นภาพที่คล้ายกัน บางครั้งคุณอาจพบว่ามีประโยชน์ในการเพิ่มคลาสของชนกลุ่มน้อยเพื่อให้เกิดความสมดุลที่ดีขึ้น คลาส Keras ImageDataGeneratorเป็นเครื่องมือที่ดีสำหรับจุดประสงค์นี้