Data Augmentation

Data Augmentation bezieht sich auf eine Technik der Datenverarbeitung und des maschinellen Lernens, bei der neue Trainingsdaten generiert werden, indem vorhandene Daten transformiert oder modifiziert werden. Ziel der Datenanreicherung ist es, die Größe und Vielfalt des Trainingsdatensatzes zu erhöhen, um die Leistung und Generalisierungsfähigkeit von Modellen des maschinellen Lernens zu verbessern. Häufig verwendete Techniken zur Datenanreicherung sind das Spiegeln von Bildern, das Drehen, Beschneiden, Skalieren, Hinzufügen von Rauschen und Farbtransformationen. Durch die Erzeugung neuer Variationen der Daten hilft die Datenanreicherung, eine Überanpassung zu vermeiden und die Fähigkeit des Modells zu verbessern, mit verschiedenen Variationen und Realitäten umzugehen.