Artificiell intelligens
Vad är Dataförstärkning
Artificiell expansion av träningsdata
Dataförstärkning
Dataförstärkning är en teknik för att artificiellt öka volymen av träningsdata genom att skapa modifierade kopior av befintlig data.
Varför använda förstärkning
- Öka datamängdens storlek — när det finns otillräcklig data för träning
- Förhindra överanpassning — modellen lär sig från olika variationer
- Förbättra robusthet — modellen generaliserar bättre på ny data
- Minska kostnader — billigare än att samla in verklig data
Metoder för Bilder
| Metod | Beskrivning | |-------|-------------| | Rotation | Rotation med godtycklig vinkel | | Spegling | Horisontell/vertikal spegling | | Skalning | Zooma in/ut | | Beskärning | Slumpmässig beskärning av bilddel | | Ljusstyrka/Kontrast | Färgkarakteristikjusteringar | | Brus | Lägga till Gaussiskt brus | | Cutout/Mixup | Moderna tekniker |
Metoder för Text
- Tillbakaöversättning — översätta fram och tillbaka genom ett annat språk
- Synonymer — ersätta ord med synonymer
- Infogning/radering — slumpmässiga ord
- Blandning — ändra ordföljd
- Generering — skapa nya texter med LLM
Metoder för Ljud
- Uppspelningshastighetsändring
- Tonhöjdsförskjutning
- Lägga till bakgrundsljud
- Tidsförvrängning
Verktyg
- imgaug — bildförstärkningsbibliotek (Python)
- Albumentations — snabb bildförstärkning
- nlpaug — textförstärkning
- audiomentations — ljudförstärkning
- TensorFlow/PyTorch — inbyggda transformationslager