Аугментация на данни
Аугментацията на данни е семейство от техники, които изкуствено разширяват тренировъчен набор от данни чрез прилагане на запазващи етикетите трансформации върху съществуващи извадки. Първоначално систематизирана за задачи за класификация на изображения, тя сега се прилага широко в областите на зрението, текста, аудиото и табличните данни. Тя възникна като практичен отговор на хроничния недостиг на етикетирани данни в контролираното дълбоко обучение и остава стандартна стъпка за предварителна обработка в съвременните конвейери на невронни мрежи.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Shorten, C., & Khoshgoftaar, T. M. (2019). A survey on image data augmentation for deep learning. Journal of Big Data, 6, 60. DOI: 10.1186/s40537-019-0197-0 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Data Augmentation. ScholarGate. https://scholargate.app/bg/deep-learning/data-augmentation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Трениране с противникови атакиДълбоко обучение↔ compare
- Трансферно обучениеМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →