Datan augmentointi
Datan augmentointi on joukko tekniikoita, jotka laajentavat keinotekoisesti harjoitusaineistoa soveltamalla olemassa oleviin näytteisiin tunnisteita säilyttäviä muunnoksia. Alun perin systematisoitu kuvien luokittelutehtäviin, sitä sovelletaan nyt laajasti visuaalisen, tekstin, äänen ja taulukkomuotoisen datan aloilla. Se syntyi käytännöllisenä vastauksena ohjatun syväoppimisen merkittyjen tietojen krooniseen niukkuuteen ja on edelleen standardi esikäsittelyvaihe nykyaikaisissa neuroverkkojen putkistoissa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Data Augmentation. ScholarGate. https://scholargate.app/fi/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.
- Vastustuksellinen harjoitteluSyväoppiminen↔ compare
- Siirto-oppiminenKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →