Data Augmentation
Data augmentation is a family of techniques that artificially expands a training dataset by applying label-preserving transformations to existing samples. Originally systematized for image classification tasks, it is now applied broadly across vision, text, audio, and tabular domains. It emerged as a practical answer to the chronic scarcity of labeled data in supervised deep learning and remains a standard preprocessing step in modern neural network pipelines.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.