数据增强

数据增强起源于计算机视觉中的翻转、裁剪、色彩扰动等操作，后来扩展到文本的回译、同义替换、随机删除，以及语音的加噪、变速。其核心假设是让模型见到更多等价变体，学习不变性特征。深度学习中它常与正则化配合使用；在数据稀缺或类别不平衡场景尤为关键，也衍生出Mixup、AutoAugment等自动搜索增强策略的方法。