Aumento de Dados
Aumento de dados é uma família de técnicas que expande artificialmente um conjunto de dados de treinamento aplicando transformações que preservam rótulos a amostras existentes. Originalmente sistematizado para tarefas de classificação de imagens, agora é aplicado amplamente em domínios de visão, texto, áudio e dados tabulares. Surgiu como uma resposta prática à escassez crônica de dados rotulados no aprendizado profundo supervisionado e permanece uma etapa de pré-processamento padrão em pipelines modernos de redes neurais.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 2). Data Augmentation. ScholarGate. https://scholargate.app/pt/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.
- Treinamento AdversarialAprendizado profundo↔ compare
- Aprendizagem por TransferênciaAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →