数据增强可能会降低训练准确性的明显原因是 -

如您所知，深度学习模型需要大量数据。如果模型没有获得足够的数据来识别模式，那么它将尝试记忆数据集。更大的模型倾向于记住数据而不是寻找模式，因为它们足够大。当模型记住训练数据时，它肯定会在训练集上表现非常好，而在验证集上表现不佳。

正如你所说，数据增强是一种正则化技术。在正则化中，您的模型权重会受到更多惩罚，以确保它们不会过度拟合。结果，您的模型在训练集上表现不佳（取决于使用了多少正则化），但作为一个优势模型将尝试在数据集中找到通用模式，这在验证时也将有所帮助。

我可以找到一篇关于数据增强和正则化的详尽实验的研究论文。