Datu paplašināšana
Datu paplašināšana ir tehniku kopums, kas mākslīgi palielina apmācības datu kopu, piemērojot esošajiem paraugiem transformācijas, kas saglabā etiķetes. Sākotnēji sistematizēta attēlu klasifikācijas uzdevumiem, tā tagad tiek plaši pielietota redzes, teksta, audio un tabulu datos. Tā radās kā praktiska atbilde uz marķētu datu hronisko trūkumu uzraudzītā dziļajā apmācībā un joprojām ir standarta pirmapstrādes solis mūsdienu neironu tīklu cauruļvados.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 2). Data Augmentation. ScholarGate. https://scholargate.app/lv/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.
- Pretinieka treniņšDziļā mācīšanās↔ compare
- Pārneses apmācībaMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →