Datenerweiterung
Datenerweiterung ist eine Familie von Techniken, die einen Trainingsdatensatz künstlich erweitern, indem sie bezeichnungsbeibehaltende Transformationen auf bestehende Stichproben anwenden. Ursprünglich für Bildklassifizierungsaufgaben systematisiert, wird sie heute breit in den Bereichen Vision, Text, Audio und Tabellendaten angewendet. Sie entstand als praktische Antwort auf die chronische Knappheit an gelabelten Daten im überwachten Deep Learning und bleibt ein Standard-Vorverarbeitungsschritt in modernen neuronalen Netzwerk-Pipelines.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). Data Augmentation. ScholarGate. https://scholargate.app/de/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 TrainingDeep Learning↔ compare
- Transfer LearningMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →