HƯỚNG DẪN cơ bản

Tăng cường dữ liệu

Data augmentation transforms or combines training examples to improve learning from available data.

Nghe hướng dẫn nàyAI thuật lại · ~1 min

Bắt đầu đọcLàm bài kiểm tra
Trên trang nàyđọc 1 phút
  1. Tổng quan
  2. Lặn sâu
  3. Triển khai trong thế giới thực
  4. Tương lai của việc tăng cường dữ liệu
  5. Đưa nó vào thực tế
  6. Tiếp tục khám phá
  7. Câu hỏi thường gặp

Tổng quan

An augmentation must preserve the target label or explicitly adjust it to match the transformed example.

Lặn sâu

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.

Triển khai trong thế giới thực

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.

Tương lai của việc tăng cường dữ liệu

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.

Đưa nó vào thực tế

Tại sao nó quan trọng

  • Quyết định rõ ràng hơn. Nó giúp bạn tách biệt các tuyên bố kỹ thuật rõ ràng khỏi ngôn ngữ tiếp thị.
  • Chi phí và ngân sách. Bạn có thể đặt các câu hỏi triển khai tốt hơn trước khi chi tiền hoặc thời gian.
  • Nhóm và quy trình làm việc. Các nhóm có sự hiểu biết chung sẽ đưa ra các quyết định về sản phẩm, chính sách và học tập tốt hơn.

coi chừng

  • Các nhóm khác nhau có thể sử dụng cùng một thuật ngữ một cách khác nhau, vì vậy hãy sớm xác định phạm vi.
  • Điểm chuẩn có thể trông mạnh mẽ trong khi hiệu suất trong thế giới thực không đồng đều.
  • Việc bỏ qua các kế hoạch đánh giá và chất lượng dữ liệu thường tạo ra những kết quả mong manh.

Các bước tiếp theo

  1. Bắt đầu với một định nghĩa đơn giản về kết quả bạn cần.
  2. Chọn một số liệu thành công và một điều kiện thất bại trước khi thử nghiệm.
  3. Chạy một thử nghiệm nhỏ với dữ liệu đại diện chứ không phải một bản demo bóng bẩy.
  4. Tài liệu nơi Tăng cường dữ liệu hữu ích và nơi các phương pháp đơn giản hơn sẽ tốt hơn.

Tiếp tục khám phá

AI là gì?

Nhận các khái niệm cần thiết trước khi đi sâu hơn.Đọc hướng dẫn

AI học như thế nào

Hiểu quá trình đào tạo đằng sau các hệ thống hiện đại.Đọc hướng dẫn

Bản tin miễn phí

Nhận bản tóm tắt AI hàng ngày

Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.

Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.

Tự kiểm tra

Take the Data Augmentation quiz

Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.

Bắt đầu bài kiểm tra

Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp

Câu hỏi thường gặp

Tăng cường dữ liệu là gì?

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.

Mục đích chính của việc tăng cường dữ liệu là gì?

Việc tăng cường tạo ra các bản sao được sửa đổi, đa dạng của dữ liệu hiện có để giảm tình trạng trang bị quá mức và giúp mô hình xử lý các dữ liệu đầu vào không nhìn thấy được.

Kỹ thuật nào sau đây là kỹ thuật tăng cường hình ảnh phổ biến?

Lật, cắt, xoay và thay đổi màu sắc là các tính năng tăng cường hình ảnh tiêu chuẩn giúp thay đổi pixel trong khi vẫn giữ được nhãn.

Dịch ngược làm gì trong việc tăng cường văn bản?

Dịch ngược chạy văn bản qua một ngôn ngữ khác và ngược lại, tạo ra một phiên bản được diễn đạt lại mà vẫn giữ nguyên ý nghĩa.

Tại sao các phần mở rộng phải là 'bảo toàn nhãn'?

Một phép biến đổi không được thay đổi câu trả lời đúng — chẳng hạn, việc lật số '6' thành số '9' sẽ gắn nhãn sai cho ví dụ.

Kỹ thuật Mixup làm gì?

Mixup tạo ra các mẫu mới bằng cách kết hợp tuyến tính các cặp đầu vào và nhãn của chúng, khuyến khích các ranh giới quyết định mượt mà hơn.

Tiếp tục học hỏi

Hướng dẫn liên quan

Đã chọn thêm hướng dẫn cho chủ đề này

Nhận chứng chỉ AI miễn phíMột khóa học và kỳ thi ngắn miễn phí. Không tốn phí, không cần thẻ. Khoảng 2,5 giờ.Bắt đầu miễn phí →