Rozšíření dat
Rozšíření dat je soubor technik, které uměle zvětšují trénovací datovou sadu aplikací transformací zachovávajících popisky na existujících vzorcích. Původně systematizované pro úlohy klasifikace obrazu, nyní se široce používá v doménách vidění, textu, zvuku a tabulkových dat. Vzniklo jako praktická odpověď na chronický nedostatek označených dat v hlubokém učení s učitelem a zůstává standardním krokem předzpracování v moderních pipeline neuronových sítí.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 2). Data Augmentation. ScholarGate. https://scholargate.app/cs/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.
- Adversarial TrainingHluboké učení↔ compare
- Přenosové učeníStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →