Аугментација података
Аугментација података је породица техника којима се вештачки проширује скуп података за обуку применом трансформација које чувају етикете на постојећим узорцима. Првобитно систематизована за задатке класификације слика, сада се широко примењује у доменима визије, текста, звука и табеларних података. Настала је као практичан одговор на хроничну оскудицу означених података у надгледаном дубоком учењу и остаје стандардни корак предобраде у савременим цевоводима неуронских мрежа.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Data Augmentation. ScholarGate. https://scholargate.app/sr/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 TrainingDuboko učenje↔ compare
- Transferno učenjeMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →