Data-augmentatie
Data-augmentatie is een familie van technieken die een trainingsdataset kunstmatig uitbreidt door transformaties toe te passen op bestaande samples die het label behouden. Oorspronkelijk gesystematiseerd voor beeldclassificatietaken, wordt het nu breed toegepast in de domeinen van visie, tekst, audio en tabulaire data. Het ontstond als een praktisch antwoord op de chronische schaarste aan gelabelde data in gesuperviseerd deep learning en blijft een standaard voorverwerkingsstap in moderne neurale netwerk-pipelines.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Data Augmentation. ScholarGate. https://scholargate.app/nl/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.
- Adversariële trainingDeep learning↔ compare
- TransferlerenMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →