ScholarGate
دستیار
Machine learningTraining techniques

افزایش داده

افزایش داده خانواده‌ای از تکنیک‌ها است که با اعمال تبدیلات حفظ‌کننده برچسب بر روی نمونه‌های موجود، مجموعه داده آموزشی را به طور مصنوعی گسترش می‌دهد. این روش که در ابتدا برای وظایف طبقه‌بندی تصویر نظام‌مند شد، اکنون به طور گسترده در حوزه‌های بینایی، متن، صدا و داده‌های جدولی به کار می‌رود. این روش به عنوان پاسخی عملی به کمبود مزمن داده‌های برچسب‌دار در یادگیری عمیق نظارت‌شده پدیدار شد و همچنان یک مرحله پیش‌پردازش استاندارد در پایپ‌لاین‌های مدرن شبکه‌های عصبی باقی مانده است.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. 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

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 2). Data Augmentation. ScholarGate. https://scholargate.app/fa/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.

Compare side by side

ارجاع‌شده در

ScholarGateData Augmentation (Data Augmentation). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/deep-learning/data-augmentation · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026