数据增强是什么
数据增强（Data Augmentation）是一种在不收集新数据的前提下，通过对已有数据施加变换、扰动或合成来生成更多训练样本的技术。在深度学习时代，数据增强已成为几乎所有计算机视觉和自然语言处理任务的标配技术。
图像领域的数据增强
视觉领域的数据增强方法最为成熟：几何变换（旋转、平移、翻转、缩放、裁剪等）；颜色变换（亮度、对比度、饱和度调整）；噪声注入（高斯噪声、椒盐噪声）；混合类方法（Mixup、CutMix）；随机擦除等。
文本领域的数据增强
NLP 领域的数据增强更具挑战性，需保持语义不变。常用方法包括：同义词替换、回译（Back Translation）、句子打乱、掩码填充、对抗增强等。大语言模型也被用于生成高质量的合成训练数据。