Data Augmentation
Data augmentation er en familie av teknikker som kunstig utvider et treningsdatasett ved å anvende etikettbevarende transformasjoner på eksisterende eksempler. Opprinnelig systematisert for bildeklassifiseringsoppgaver, anvendes det nå bredt på tvers av domener som syn, tekst, lyd og tabulære data. Det oppsto som et praktisk svar på den kroniske mangelen på merkede data i veiledet dyp læring og forblir et standard forbehandlingstrinn i moderne nevrale nettverkspipelines.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 2). Data Augmentation. ScholarGate. https://scholargate.app/no/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.
- Adversarial TrainingDyp læring↔ compare
- OverføringslæringMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →