Rozszerzanie danych
Powiększanie danych sztucznie rozszerza zestaw szkoleniowy, tworząc zmodyfikowane kopie istniejących przykładów — na przykład odwracanie lub przycinanie obrazów.
Przegląd
It matters because more varied data reduces overfitting and helps models generalize to inputs they have not seen.
Głębokie nurkowanie
Rozszerzanie danych generuje nowe przykłady szkoleniowe poprzez zastosowanie transformacji zachowujących etykiety do danych, które już posiadasz. W przypadku obrazów oznacza to obracanie, odwracanie, przycinanie, zmianę kolorów, rozmycie i dodawanie szumu — zmiany, które zmieniają piksele, ale nie poprawiają odpowiedzi (odwrócony kot to nadal kot). W przypadku tekstu techniki obejmują zastępowanie synonimów, tłumaczenie wsteczne (przetłumaczenie na inny język i odwrotnie) oraz losowe usuwanie lub zamianę słów. W przypadku dźwięku możesz dodać szum tła, zmianę tonu lub klipy rozciągające w czasie. Celem jest nauczenie modelu istotnych niezmienności — że tożsamość obiektu nie zależy od jego położenia, oświetlenia czy frazowania. Dzięki temu modele są solidniejsze i jest to szczególnie cenne, gdy danych oznaczonych etykietami jest niewiele, ponieważ każdy rzeczywisty przykład jest w rzeczywistości duży. Nowoczesne rurociągi często losowo dobierają ulepszenia na bieżąco podczas każdej epoki szkoleniowej.
Wgląd techniczny
Rozszerzanie działa, ponieważ wprowadza wcześniejszą wiedzę na temat niezmienności bezpośrednio do uczenia: pokazując modelowi wiele przekształconych wersji jednego przykładu, zachęcasz go do poznania funkcji, które ignorują nieistotne różnice. Co najważniejsze, transformacje muszą zachować etykietę — zamiana „6” na „9” nauczyłaby czegoś niewłaściwego. Zaawansowane metody wykraczają poza proste edycje: Mixup łączy dwa obrazy i ich etykiety, regiony masek wycięć i wyuczone zasady, takie jak wyszukiwanie AutoAugment w celu znalezienia najlepszych kombinacji transformacji dla danego zbioru danych.
Wpływ strategiczny
Jaśniejsze decyzje
Pomaga oddzielić jasne twierdzenia techniczne od języka marketingowego.
Koszt i budżet
Możesz zadawać pytania dotyczące lepszego wdrożenia, zanim wydasz pieniądze lub czas.
Zespół i przepływ pracy
Zespoły charakteryzujące się wspólnym zrozumieniem podejmują lepsze decyzje dotyczące produktów, zasad i uczenia się.
Przyszłość powiększania danych
Granicę stanowi wzmacnianie generatywne i wyuczone: wykorzystanie modeli dyfuzyjnych lub sieci GAN do syntezy całkowicie nowych, realistycznych przykładów szkoleniowych, a nie tylko do przekształcania starych. Zautomatyzowane wyszukiwanie przez powiększanie (AutoAugment, RandAugment) ogranicza ręczne dostrajanie, a rozszerzanie ma obecnie kluczowe znaczenie w samonadzorowanym uczeniu się, w którym modele uczą się, rozpoznając, że dwa rozszerzone widoki tego samego wkładu powinny pasować. Spodziewaj się, że rozszerzanie będzie nadal zacierać granicę w przypadku generowania danych syntetycznych, szczególnie w przypadku rzadkich klas i domen wrażliwych na prywatność, w których gromadzenie prawdziwych danych jest trudne.
Implementacja w świecie rzeczywistym
Klasyfikator obrazu trenuje na losowo obróconych, przyciętych i rozchwianych kolorach zdjęciach, dzięki czemu rozpoznaje obiekty niezależnie od kąta i oświetlenia.
Zespół NLP używa tłumaczenia wstecznego (z angielskiego na niemiecki i z powrotem), aby parafrazować zdania i rozszerzać niewielki zbiór danych analizy nastrojów.
Model mowy dodaje odgłosy kawiarni w tle i zmienia tonację nagrań, dzięki czemu dźwięk pozostaje dokładny w hałaśliwych warunkach rzeczywistych.
Medyczna sztuczna inteligencja stosuje odkształcenia sprężyste i odwraca ograniczony zestaw skanów MRI, aby pomnożyć rzadkie, oznakowane przykłady bez nowych pacjentów.
Zagrożenia i poręcze
Różne zespoły mogą odmiennie używać tego samego terminu, dlatego należy wcześniej zdefiniować zakres.
Testy porównawcze mogą wyglądać dobrze, podczas gdy wydajność w świecie rzeczywistym jest nierówna.
Ignorowanie planów dotyczących jakości danych i oceny często skutkuje kruchymi wynikami.
Plan wdrożenia
Zacznij od jasnej definicji potrzebnego wyniku.
Przed testowaniem wybierz jedną metrykę sukcesu i jeden warunek niepowodzenia.
Przeprowadź mały pilotaż z reprezentatywnymi danymi, a nie dopracowanym zestawem demonstracyjnym.
Dokumentuj, gdzie pomaga powiększanie danych i gdzie prostsze metody są lepsze.
Odkrywaj dalej
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Data Augmentation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Następny poradnik
Sztuczna inteligencja i dane
Często zadawane pytania
What is Data Augmentation?
Powiększanie danych sztucznie rozszerza zestaw szkoleniowy, tworząc zmodyfikowane kopie istniejących przykładów — na przykład odwracanie lub przycinanie obrazów. Ma to znaczenie, ponieważ bardziej zróżnicowane dane ograniczają nadmierne dopasowanie i pomagają modelom uogólniać dane wejściowe, których nie widzieli.
Jaki jest główny cel powiększania danych?
Rozszerzanie tworzy zróżnicowane, zmodyfikowane kopie istniejących danych w celu ograniczenia nadmiernego dopasowania i ułatwienia modelowi obsługi niewidocznych danych wejściowych.
Która z nich jest popularną techniką powiększania obrazu?
Odwracanie, kadrowanie, obracanie i przesunięcie kolorów to standardowe ulepszenia obrazu, które zmieniają piksele, zachowując etykietę.
Co robi tłumaczenie wsteczne w powiększaniu tekstu?
Tłumaczenie zwrotne przepuszcza tekst przez inny język i z powrotem, uzyskując przeredagowaną wersję, która zachowuje znaczenie.
Dlaczego uzupełnienia muszą „zachowywać etykietę”?
Transformacja nie powinna zmieniać poprawnej odpowiedzi — na przykład zamiana „6” na „9” błędnie oznaczyłaby przykład.
Do czego służy technika Mixup?
Mixup tworzy nowe próbki poprzez liniowe łączenie par danych wejściowych i ich etykiet, co zachęca do płynniejszych granic decyzji.