TTA — test-time augmentation — аугментация во время теста.
Это способ увеличить качество классификатора за счёт усреднения предсказаний для изображений и их аугментаций.

Как известно, для улучшения качества работы классификатора на базе глубокой нейронной сети (НС), используется такой приём, как аугментация (augmentation — увеличение, приумножение) данных, когда во время процедуры обучения НС на вход сети кроме самих тренировочных данных, подаются их модификации.

Для фотографий, это могут быть различные возможные искажения (повороты, отражения по вертикали и горизонтали, шум, изменение размера, изменения цветовой гаммы, обрезка и т.п.)

Суть TTA состоит в том, что подобные изменения можно применять не только при обучении НС, но и при самом распознавании.
Для этого, изображение искажается (как и при обучении), полученное изображение подаётся на вход НС, которая выдаёт своё предсказание.
Результатом является усреднённое значение от полученныех предсказаний.

Аугментация
imgaug — Image augmentation for machine learning experiments.
albumentations — fast image augmentation library

Пример использования аугментации
Building powerful image classification models using very little data
Improving Deep Learning Performance with AutoAugment

Примеры использования TTA
Classifying plankton with deep neural networks
Image Segmentation With Test Time Augmentation With Keras
Kaggle: Amazon from Space — трюки и хаки при обучении нейросетей
Как построить классификатор изображений на основе предобученной нейронной сети

По теме
Глубокие нейронные сети как следующий этап развития программного обеспечения
Проблемы применения машинного обучения для решения реальных задач
Что не так со свёрточными нейронными сетями?

Нейронная сеть
Нейронная сеть — введение
Принцип обучения многослойной нейронной сети с помощью алгоритма обратного распространения
Пример работы самоорганизующейся инкрементной нейронной сети SOINN