Datawhale AI 夏令营 task03 deepfake攻防 数据增强

学习手册中数据增强的知识我大致了解了，这里补充一些阅读材料，以及我在kaggle discussion中看到的一篇好教程吧。

关于数据增强data augumentation的阅读材料

1-【入门】吴恩达深度学习，10min的视频从镜像，色彩变换两方面简单介绍了数据增强。 【吴恩达深度学习课程】2.13 数据增强_哔哩哔哩_bilibili

2-【详细】非常详细地介绍了数据增强这一概念，以及一些方法的原理。可以对datawhale的学习手册做补充。

【机器学习】数据增强(Data Augmentation)-CSDN博客

这是这篇文章的目录，也许有你感兴趣的地方。

```

一、引言 - 背景

二、为什么需要数据增强？

三、什么是数据增强？

定义

分类

四、有监督的数据增强

1. 单样本数据增强

（1）几何变换类

（2）颜色变换类

2. 多样本数据增强

（1）SMOTE

（2）SamplePairing

（3）mixup

五、无监督的数据增强

1. GAN

2. Conditional GANs

3. Autoaugmentation

六、数据增强过程中需要注意的问题

七、总结

```

3-【高校博客】斯坦福大学关于数据增强的一篇博客(2020)

Automating Data Augmentation: Practice, Theory and New Direction | SAIL Blog (stanford.edu)

kaggle竞赛discussion中一篇介绍timm库(pytorch image model)教程的中文文章。作者是WU TING (赞！)

调用预训练模型的知识可以用到别的项目里。这是学习手册中没有详细讲的部分。

https://kaggle.com/code/hallo123/timm-tutorial