Dataaugmentering

term_id: data_augmentation

Category: training_techniques

Definition

Denna metod utvidgar träningsdataseten konstgjort genom att skapa modifierade versioner av befintliga prover, såsom att rotera bilder, lägga till brus i ljud eller ersätta synonymer i text. Det hjälper till att förhindra

Summary

Dataaugmentering är en teknik som används för att öka mångfalden och storleken på träningsdataset genom att tillämpa transformationer på befintliga datapunkter.

Key Concepts

  • Förebyggande av överanpassning
  • Utökning av dataset
  • Generalisering
  • Transformationer

Use Cases

  • Förbättra datorseende-modellers robusthet
  • Förbättra NLP-modellers prestanda med begränsad text
  • Balansera obalanserade dataset

Code Example

1
2

from tensorflow.keras.preprocessing.image import ImageDataGenerator
gen = ImageDataGenerator(rotation_range=20)

Related