Tăng cường dữ liệu là một kỹ thuật được dùng trong việc học sâu để tăng sự đa dạng của dữ liệu đào tạo mà không thu thập dữ liệu mới. Nó giúp cải thiện việc tổng quát hóa mô hình và giảm phù hợp. Hướng dẫn này bao gồm chiến lược thông dụng và tính toán liên quan đến tăng cường dữ liệu.

Những phương pháp thẩm vấn thông thường

Một số kỹ thuật được dùng để tăng cường dữ liệu, đặc biệt là trong các tác vụ xử lý ảnh. Những phương pháp này sửa đổi dữ liệu đã có để tạo ra các mẫu mới, đa dạng để đào tạo.

  • Quay lại: Đang đánh thức ảnh bằng một phạm vi độ nhất định.
  • Tính toán: [FLT: 1] Đang sao chép ảnh trong khi duy trì tỷ lệ hình thể.
  • Fl rolling: chiều ngang hoặc dọc lật.
  • Màu: thay đổi độ sáng, độ tương phản, hay bão hoà.
  • Chương trình: Ngẫu nhiên hoặc trung tâm cắt giảm tập trung vào các phần khác nhau của ảnh.

Tính toán cho việc thẩm vấn dữ liệu

Tăng cường dữ liệu bao gồm tính toán xác suất và mức độ biến đổi để đảm bảo sự đa dạng mà không làm tổn hại đến dữ liệu toàn vẹn.

Ví dụ, nếu quay trong phạm vi 0 ° đến 30 °, góc quay trung bình có thể được tính là:

Xoay = (Minimum + Max) / 2 = (0° + 30 °) / 2 = 15°

Tương tự, khi áp dụng ngẫu nhiên, kích thước của cây trồng có thể được xác định dựa trên kích thước ban đầu của ảnh và phần trăm lượng bảo hiểm.

Lợi ích của việc tra cứu dữ liệu

Sử dụng kỹ thuật tăng cường dữ liệu có thể dẫn đến việc cải thiện hiệu suất mô hình bằng cách phơi bày mô hình cho nhiều loại dữ liệu khác nhau. cũng giúp giảm bớt phù hợp, đặc biệt khi dữ liệu đào tạo bị hạn chế.