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.
Kilderegister
Siteringer kopiert ordrett fra metodens kilderegister. Ingen påstandsnivåverifisering er underforstått fra dem.
Kuraterte påstander
Påstander lagret i bevishovedboken, hver med sin egen vurdering.
Denne visningen finner ikke opp en påstandsvurdering når hovedboken ikke har noen.
Relaterte metoder
Generert fra metodegrafen og vist som maskinforslåtte relasjoner – ingen bevispåstand er underforstått.