Аугментация данных
Аугментация данных — это семейство методов, которые искусственно расширяют обучающий набор данных путём применения преобразований, сохраняющих метки, к существующим образцам. Изначально систематизированная для задач классификации изображений, она теперь широко применяется в областях компьютерного зрения, обработки текста, аудио и табличных данных. Она возникла как практический ответ на хроническую нехватку размеченных данных в глубоком обучении с учителем и остаётся стандартным шагом предварительной обработки в современных конвейерах нейронных сетей.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 2). Data Augmentation. ScholarGate. https://scholargate.app/ru/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.
- Состязательное обучениеГлубокое обучение↔ compare
- Перенос обученияМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →