自動化數據增強：實踐、理論和新方向

對當今需要大量數據的機器學習模型而言，數據增強是一種具有顯著價值的技術——既可用於緩解數據量不足的問題，也可用於提升模型的穩健性。常規的數據增強技術往往依賴相關領域的專家，耗時耗力成本高昂，因此研究者開始探索自動化數據增強技術。近日，斯坦福大學 AI 實驗室（SAIL）發表了一篇題爲《自動化數據增強：實踐、理論和新方向》的博客文章，介紹了這一領域及近期的相關研究進展。 在圖像分類和文本分類等應用中

>>阅读原文<<