LegközelebbKövetkező útmutató
Audio adatok bővítése
Műszaki
Alapok ÚTMUTATÓ
Data augmentation transforms or combines training examples to improve learning from available data.
Hallgassa meg ezt az útmutatótAI-narrált · ~1 min
An augmentation must preserve the target label or explicitly adjust it to match the transformed example.
Augmentation expands the training distribution through transformations or combinations. Mixup creates convex combinations of examples and labels. CutMix replaces a patch and mixes labels in proportion to area. AutoAugment searches for policies using validation performance, while back-translation creates synthetic paraphrases for text tasks. The methods are task-specific: transformations that preserve labels for one task may invalidate labels for another.
Random crops or flips can create altered image views when the label remains valid.
Mixup linearly combines two inputs and their labels.
CutMix pastes an image region from one example into another and weights labels by area.
Back-translation generates paraphrased text by translating through an intermediate language.
Select augmentations based on task semantics and validate on data representative of deployment. Record transformation distributions and test for synthetic artifacts or label mismatch. The cited papers report specific datasets and experiments, not a guarantee that more augmentation always improves generalization.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
Data augmentation transforms or combines training examples to improve learning from available data. An augmentation must preserve the target label or explicitly adjust it to match the transformed example.
Az augmentáció változatos, módosított másolatokat hoz létre a meglévő adatokról, hogy csökkentse a túlillesztést, és segítse a modellt a nem látott bemenetek kezelésében.
Az átfordítás, a vágás, az elforgatás és a színeltolás olyan szabványos képkibővítés, amely megváltoztatja a pixeleket, miközben megőrzi a címkét.
A visszafordítás a szöveget egy másik nyelven keresztül futja át és vissza, így a jelentést megőrző átfogalmazott változatot eredményez.
A transzformáció nem változtathatja meg a helyes választ – például a 6-os 9-esre forgatása tévesen címkézné a példát.
A Mixup új mintákat hoz létre a bemeneti párok és címkéik lineáris kombinálásával, ami simább döntési határokat ösztönöz.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Audio adatok bővítése
Műszaki