과적합을 방지하기위해 정규화 이미지를 사용합니다.

정규화 이미지를 사용하면 노이즈 등 과적학될 만한 학습 대상 과외적인 요소를 제거하는데 탁월한 효과가 있습니다.

그러나 문제는, 정규화이미지도 학습의 범주에 들어가버린다는 것입니다.
(정규화이미지들이 편향된 패턴을 보이면 그 패턴이 학습 결과물에 반영됨. ex 빨간옷을 입은 데이터가 많으면 결과물 의상도 빨간색)

이를 방지하기 위해서 정규화 이미지들에 대한 과적합을 방지하기위한 방법이 몇가지 쓰입니다.
1. 정규화 이미지의 데이터셋 수를 줄이는 법.
2. 정규화 이미지의 편향을 줄이는법

그러나
1.번은 오히려 데이터수 부족에 따를 과적합 문제가 발생가능하므로

정규화 이미지 수를 늘리고 종류를 다양하게 하는것을 권합니다.
(가령 woman 이면, 흑인, 아시안, 그림, 등등 woman 의 범주에 해당하는 데이터를 다양하게 첨부)

참고로 정규화 이미지도 태깅을 해야합니다.