Semi-Supervised Data Augmentation
Semi-Supervised Data Augmentation ist eine Technik, die ungelabelte Daten nutzt, um die Effektivität von Datenaugmentationen zu verbessern oder neue, sinnvolle Augmentationen zu generieren, wodurch die Abhängigkeit von großen, manuell gelabelten Datensätzen reduziert wird.
Kategorie: Training, Daten & Fine-Tuning
Während traditionelle Datenaugmentation nur auf gelabelten Daten basiert und Semi-Supervised Learning ungelabelte Daten zum Lernen nutzt, kombiniert Semi-Supervised Data Augmentation (Halbüberwachte Datenaugmentation) beide Ansätze.
Synonyme / Tags
- Semi-Supervised Data Augmentation
- Unüberwachte Augmentation
- Hybrid-Augmentation
Die ganze Definition im Member Hub braucht ein kostenloses Konto.