CNN情绪识别任务中不同数据增强策略下精度曲线差异的解读要点咨询

我最近做了一个CNN情绪识别的项目，分别用了两种不同的图像预处理流水线来训练模型：

简单变换流水线 #

TRANSFORM = transforms.Compose([
    transforms.Resize((64, 64)),
    transforms.Grayscale(num_output_channels=1), 
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.485], std=[0.229])
])

扩展数据增强流水线 #

TRANSFORM = transforms.Compose([
    transforms.Resize((64, 64)),  
    transforms.Grayscale(num_output_channels=1), 
    transforms.RandomHorizontalFlip(p=0.5), 
    transforms.RandomAffine(degrees=5, translate=(0.1, 0.1), scale=(0.9, 1.1), fill=0),
    transforms.GaussianBlur(kernel_size=(3,3), sigma=(0.1, 1.0)),
    transforms.ToTensor(), 
    transforms.Normalize(mean=[0.5], std=[0.5]),
])

我分别用这两种变换训练了模型，得到了两组不一样的训练和验证精度曲线。现在我想请教一下，解读这些精度曲线差异的时候，有哪些关键因素需要考虑呢？

（附：简单变换精度曲线、增强变换精度曲线）

备注：内容来源于stack exchange，提问作者Sk8