Datan lisäys on tekniikka, jota käytetään syvällisessä oppimisessa kasvattamaan koulutusdatan monimuotoisuutta keräämättä uutta tietoa. Se auttaa parantamaan mallin yleistymistä ja vähentämään ylivarustelua. Tämä opas kattaa yhteiset strategiat ja laskelmat, jotka liittyvät tiedon lisäämiseen.

Yhteiset tietojen muokkausstrategiat

Dataa lisätään useilla tekniikoilla, erityisesti kuvankäsittelytehtävissä. Nämä menetelmät muokkaavat olemassa olevaa tietoa luodakseen uusia, vaihtelevia näytteitä koulutusta varten.

  • Rotaatio: [ Pyörittävät kuvia tietyn asteisen alueen.
  • Kasto:[ Uudelleen kuvien kanssa säilyttäen kuvasuhteen.
  • Kääntäminen: [ Vaaka- tai pystykäännökset.
  • Värijäljitys:[] Muuttuu kirkkautta, kontrastia tai kyllästymistä.
  • Cropping:[ Satunnainen tai keskustan rajaus keskittyä eri osiin kuvan.

Tietojen tarkennuksen laskelmat

Tietojen täydentäminen edellyttää muutosten todennäköisyyden ja laajuuden laskemista monimuotoisuuden varmistamiseksi vaarantamatta tietojen eheyttä.

Jos esimerkiksi kiertoa sovelletaan 0°-30°:n säteellä, keskimääräinen kiertokulma voidaan laskea seuraavasti:

Keskimääräinen kierto = (minimum + maksimaalinen) / 2 = (0° + 30°) / 2 = 15°

Samoin satunnaista sadonkorjuuta sovellettaessa voidaan määrittää sadon koko alkuperäisen kuvan koon ja halutun kattavuusprosentin perusteella.

Tietojen kasvatuksen edut

Tietojen täydentämistekniikoiden käyttö voi parantaa mallin suorituskykyä altistamalla mallin laajemmalle datalle. Se auttaa myös vähentämään ylivarustelua, erityisesti kun koulutustiedot ovat rajalliset.