dataförstärkning

Dataförstärkning, eller data augmentation, är en teknik inom maskininlärning som ökar mängden och mångfalden av träningsdata genom att modifiera befintliga exempel eller generera nya syntetiska exempel. Syftet är att förbättra modellernas generalisering och robusthet utan att samla in nya data i verkligheten.

Vanliga metoder varierar mellan domäner. Inom datorseende används bildtransformationer som rotation, spegling, beskärning, färgjustering, brus och oskärpa. Inom naturligt språk används tekniker som synonymersättning, slumpmässig infogning eller utbyten av ord, samt back-translation. Inom ljud sker tidsförlängning, tonhöjdsändring, tillsats av bakgrundsljud och rumslig reverberation. Generativ dataförstärkning innebär att man tränar modellen med syntetiskt skapade exempel från t.ex. GANs eller variational autoencoders för att producera nya variationer som liknar verklig data.

Fördelar inkluderar minskad risk för överanpassning, bättre prestanda på små eller obalanserade datamängder och ökad motståndskraft mot variationer i input. Begränsningar innefattar att felaktiga eller artefaktiska förstärkningar kan försämra inlärningen, att augmentationen inte alltid speglar verkligheten och hur stor effekt den har varierar mellan uppgift och data. Det krävs noggrann validering och ofta domänspecifik anpassning.

Praktiska överväganden omfattar hur stark augmentationen ska vara, om den körs online under träning eller offline som förberedda uppsättningar, och hur man säkerställer reproducibilitet. Tekniker som AutoAugment, RandAugment och AugMix används för att automatisera eller förbättra val av augmentationpolicies. Det är också viktigt att beakta etiska och biasrelaterade risker samt att inte bryta mot licenser eller upphovsrätt när data används.

Användningsområden inkluderar datorseende, naturlig språkbehandling och talbearbetning, där dataförstärkning är särskilt användbart i datafattiga eller varierande verkliga scenarier.