Augmentacja danych
Augmentacja danych to rodzina technik, które sztucznie powiększają zbiór danych treningowych poprzez stosowanie transformacji zachowujących etykiety do istniejących próbek. Pierwotnie usystematyzowana dla zadań klasyfikacji obrazów, jest obecnie szeroko stosowana w domenach wizji komputerowej, tekstu, dźwięku i danych tabelarycznych. Wyłoniła się jako praktyczna odpowiedź na chroniczny niedobór oznakowanych danych w nadzorowanym uczeniu głębokim i pozostaje standardowym krokiem preprocessingu w nowoczesnych potokach sieci neuronowych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Data Augmentation. ScholarGate. https://scholargate.app/pl/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.
- Trening adwersaryjnyUczenie głębokie↔ compare
- Uczenie transferoweUczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →