Dataforøgelse er en teknik, der bruges i maskinlæring og computersyn til at øge mængden af tilgængelige data til træningsmodeller. Det involverer at skabe nye og varierede versioner af eksisterende data ved at anvende transformationer såsom rotationer, vendinger, ændringer i lysstyrke eller kontrast og tilføje støj eller forvrængninger. Disse modificerede inputbilleder kan hjælpe med at forbedre en models nøjagtighed og ydeevne ved at gøre den mere robust over for variabilitet og forhold i den virkelige verden. I bund og grund udvider dataforøgelse mangfoldigheden af et datasæt og hjælper som sådan med at løse problemer relateret til overfitting og underfitting.
Udgivelsesdato: