adatbővítés
angolul: data augmentation
Az adatbővítés olyan eljárás, amely a meglévő tanítóadatokból apró módosításokkal új változatokat készít, hogy az MI-modell több és változatosabb példából tanulhasson.
Érthetően
Képzeld el, hogy egy gyereknek egyetlen fényképről akarod megtanítani, milyen a macska. Ha ugyanazt a képet megmutatod tükrözve, kicsit elforgatva, sötétebben és közelebbről is, hamarabb megérti, hogy a macska akkor is macska, ha másképp áll vagy rosszabb a fény. Az adatbővítés pontosan ezt teszi a gépi tanulásban.
Azért van rá szükség, mert a jó minőségű, felcímkézett adat drága és kevés. Egy orvosi felvételt szakorvosnak kell minősítenie, egy ritka gyártási hibáról pedig eleve alig van fotó. Az adatbővítéssel a meglévő példákból sokszor annyi tanítóanyag lesz, új gyűjtés nélkül.
A fő haszna, hogy a modell nem magolja be a példákat, hanem a lényeget tanulja meg. Így jobban boldogul azokkal a helyzetekkel is, amelyeket korábban nem látott: ferde kamerával, zajos hangfelvétellel, szokatlan megfogalmazással.
Abban más, mint az új adat gyűjtése, hogy nem hoz valódi új információt. Csak ugyanazt a tudást mutatja meg több szemszögből.
Hogyan működik
- A fejlesztők kiindulnak egy meglévő, már felcímkézett adathalmazból, például ötezer fotóból, amelyekről tudni lehet, mit ábrázolnak.
- Kiválasztják azokat az átalakításokat, amelyek nem változtatják meg a jelentést: képnél tükrözés, forgatás, kivágás, színek módosítása; hangnál háttérzaj vagy tempóváltás; szövegnél átfogalmazás vagy oda-vissza fordítás.
- Az átalakításokat véletlenszerűen alkalmazzák, többnyire tanítás közben, így a modell minden körben kicsit más változatot lát ugyanarról a példáról.
- Az új változat többnyire megörökli az eredeti címkéjét: az elforgatott macska továbbra is macska. Néhány módszer két példát kever össze, ilyenkor a címkéket is ugyanolyan arányban keverik.
- Végül olyan valódi, módosítatlan adaton mérik le az eredményt, amelyet a modell még nem látott, mert csak ebből derül ki, hogy a bővítés segített vagy ártott.
Példa a mindennapokból
Amikor a telefonod félhomályban, ferdén tartva vagy részben eltakart arccal is felismer, abban jellemzően az adatbővítésnek is része van. Az ilyen felismerő modelleket nemcsak szép, szemből készült portrékon szokás tanítani, hanem azok elforgatott, sötétített, részben kitakart változatain is.
Kit érint
Gyakori félreértés
Korlátok és kockázatok
- A rosszul megválasztott átalakítás elrontja a címkét: a fejre állított 6-osból 9-es lesz, a tükrözött röntgenfelvételen pedig felcserélődik a jobb és a bal oldal.
- Az eredeti adat torzításait nem javítja ki, sőt fel is nagyíthatja, ha az egyoldalú mintát sokszorozod meg.
- A túl erős vagy életszerűtlen módosítások olyan helyzetekre tanítják a modellt, amelyek a valóságban nem fordulnak elő, és ez ronthatja a teljesítményt.
- Szövegnél nehezebb jól csinálni, mint képnél, mert egyetlen szó cseréje is megváltoztathatja a mondat értelmét.
Hasonló, de nem ugyanaz
- szintetikus adat – A szintetikus adat teljesen mesterségesen előállított új példa, az adatbővítés viszont valódi, meglévő példák módosított változatait készíti el.
- adatgyűjtés – Az adatgyűjtés új megfigyeléseket hoz a valóságból, az adatbővítés csak a már meglévőket variálja.
- adatgazdagítás – Az adatgazdagítás külső forrásból tesz hozzá új jellemzőket a rekordokhoz (például címhez irányítószámot), nem pedig új tanítópéldákat gyárt.
Kapcsolódó fogalmak
gépi tanulás, tanítóadat, adat-előkészítés, regularizáció
képbővítés, szövegbővítés, visszafordítás, zajhozzáadás
Röviden a története
Az ötlet a képfelismerés korai korszakából ered: Yann LeCun és társai 1998-as, kézzel írt számjegyeket felismerő munkájukban már torzított képváltozatokkal is tanítottak. Széles körben a 2012-es AlexNet tette ismertté, amely kivágott, tükrözött és színeiben módosított képekkel nyerte meg az ImageNet-versenyt.
Hol tart most
2026 végén a képi és hangmodellek tanításának megszokott, a fejlesztői eszközökbe beépített lépése; szövegnél ritkábban és óvatosabban használják. Egyre gyakrabban generatív modellekkel készítik a változatokat, így a határ az adatbővítés és a szintetikus adat között elmosódik.
Más nevei
adatbővítés · adataugmentáció · adat-augmentáció · augmentáció · adatdúsítás · data augmentation · image augmentation · text augmentation
Források
- Wikipedia: Data augmentation
- Shorten, C. – Khoshgoftaar, T. M.: A survey on Image Data Augmentation for Deep Learning (Journal of Big Data, 2019)
A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.