Tatatanda Data
Tatatanda data ialah satu keluarga teknik yang mengembangkan set data latihan secara buatan dengan mengaplikasikan transformasi yang mengekalkan label pada sampel sedia ada. Pada asalnya disistemkan untuk tugasan klasifikasi imej, kini ia diaplikasikan secara meluas merentasi domain penglihatan, teks, audio, dan jadual. Ia muncul sebagai jawapan praktikal kepada kekurangan data berlabel yang kronik dalam pembelajaran mendalam berselia dan kekal sebagai langkah pra-pemprosesan standard dalam saluran rangkaian saraf moden.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 2). Data Augmentation. ScholarGate. https://scholargate.app/ms/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.
- Latihan AdversariPembelajaran Mendalam↔ compare
- Pembelajaran PindahanPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →