自动化数据增强：实践、理论和新方向

对当今需要大量数据的机器学习模型而言，数据增强是一种具有显著价值的技术——既可用于缓解数据量不足的问题，也可用于提升模型的稳健性。常规的数据增强技术往往依赖相关领域的专家，耗时耗力成本高昂，因此研究者开始探索自动化数据增强技术。近日，斯坦福大学 AI 实验室（SAIL）发表了一篇题为《自动化数据增强：实践、理论和新方向》的博客文章，介绍了这一领域及近期的相关研究进展。 在图像分类和文本分类等应用中

>>阅读原文<<