เปรียบเทียบวิธี

	การเพิ่มข้อมูล	โครงข่ายปฏิปักษ์เชิงกำเนิด
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2019	2014
ผู้ริเริ่ม	Connor Shorten & Taghi Khoshgoftaar	Goodfellow, I. et al.
ประเภท	Regularization / data preprocessing technique	Generative deep learning (adversarial two-network game)
แหล่งต้นตำรับ	Shorten, C., & Khoshgoftaar, T. M. (2019). A survey on image data augmentation for deep learning. Journal of Big Data, 6, 60.	Goodfellow, I. et al. (2014). Generative Adversarial Nets. NeurIPS.
ชื่อเรียกอื่น	Training Data Augmentation, Image Augmentation, Veri Artırma, Synthetic Data Augmentation	Üretici Çekişmeli Ağ (GAN), GAN, generative adversarial nets, adversarial network
ที่เกี่ยวข้อง	2	4
สรุป	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.	A Generative Adversarial Network (GAN), introduced by Ian Goodfellow and colleagues in 2014, produces realistic synthetic data through the competition of two neural networks — a generator and a discriminator. It is widely used for image synthesis, data augmentation, and distribution estimation.