Yapay zekâ sözlüğü
Orta seviye
Data Augmentation
Data Augmentation
28.08.2026 tarihinde güncellendi
Veri artırma, mevcut eğitim örneklerini kontrollü dönüşümlerle çoğaltarak modelin farklı koşullara genelleme yapma gücünü artırır.
Genel bakış
Kavramın çerçevesiVeri artırma; görüntüyü döndürme veya kırpma, sesi gürültüyle çeşitlendirme, metni kontrollü biçimde yeniden ifade etme gibi dönüşümler içerebilir. Amaç modelin yüzeydeki değişikliklere değil görevin anlamlı özelliklerine odaklanmasını sağlamaktır. Dönüşüm gerçek dünyadaki değişimi temsil etmiyorsa yanlış örüntü öğretebilir. Doğrulama ve test setlerinin artırılmış kopyalarla kirletilmemesi, gerçek performansı ölçmek için zorunludur.
Çalışma mantığı: Dönüşüm, görevin değişmez anlamını koruyacak şekilde seçilir ve artırılmış örnekler orijinal veriyle birlikte eğitime verilir. Her veri türü için fiziksel ve anlamsal olarak makul dönüşüm gerekir.
Kullanım alanları: Görüntü sınıflandırma, konuşma tanıma, metin varyasyonu, robotik algı ve nadir sınıf örneklerini çoğaltmada kullanılır.
Sınırlılıklar: Gerçekçi olmayan dönüşüm yanlış sinyal üretir; artırılmış kopyalar doğrulama veya test setine sızarsa performans olduğundan iyi görünür.
Çalışma mantığı: Dönüşüm, görevin değişmez anlamını koruyacak şekilde seçilir ve artırılmış örnekler orijinal veriyle birlikte eğitime verilir. Her veri türü için fiziksel ve anlamsal olarak makul dönüşüm gerekir.
Kullanım alanları: Görüntü sınıflandırma, konuşma tanıma, metin varyasyonu, robotik algı ve nadir sınıf örneklerini çoğaltmada kullanılır.
Sınırlılıklar: Gerçekçi olmayan dönüşüm yanlış sinyal üretir; artırılmış kopyalar doğrulama veya test setine sızarsa performans olduğundan iyi görünür.
Teknik tanım ve açıklama
Temel mekanizmaVeri artırma, mevcut eğitim verilerini çeşitli dönüşümlerle çoğaltarak modelin genelleme yeteneğini artırma tekniğidir.
Gerçek hayatta kullanım
Örnek senaryoGörüntü sınıflandırma eğitiminde mevcut fotoğrafları döndürmek veya kırpmak veri artırma örneğidir. Editoryal bir uygulamada bu kavramı kullanırken önce hedefi ve başarı ölçütünü yazın, ardından küçük bir örnek üzerinde sonucu kontrol edip üretime almadan önce insan doğrulaması yapın.