Аугментація даних
Аугментація даних — це сукупність методів, які штучно розширюють навчальний набір даних шляхом застосування до наявних зразків перетворень, що зберігають мітки. Спочатку систематизована для завдань класифікації зображень, вона тепер широко застосовується в галузях комп'ютерного зору, обробки тексту, аудіо та табличних даних. Вона виникла як практична відповідь на хронічний дефіцит розмічених даних у керованому глибокому навчанні та залишається стандартним етапом попередньої обробки в сучасних конвеєрах нейронних мереж.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). Data Augmentation. ScholarGate. https://scholargate.app/uk/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.
- Змагальне навчанняГлибоке навчання↔ compare
- Трансферне навчанняМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →