Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Data-augmentatie

Engels: Data Augmentation · Ook wel: data augmentation, data-augmentation

In het kort

Data-augmentatie is een methode om de trainingsset van een model kunstmatig te vergroten zonder nieuwe gegevens te verzamelen. Het systeem maakt aangepaste versies van gegevens die er al zijn, bijvoorbeeld door een foto te draaien, bij te snijden of van kleur te veranderen. Die extra versies komen bij de trainingsset, zodat een model tijdens het trainen hetzelfde voorwerp in een iets andere vorm leert herkennen.

Waarom is dit belangrijk?

Met data-augmentatie kunnen modellen toch trainen op meer gevallen wanneer medische scans schaars blijven door privacy en het labelen door specialisten. In ziekenhuizen ondersteunt dat het herkennen van afwijkingen en het afbakenen van weefsel op scans van onder meer hart, long en borst. Patiënten en artsen krijgen zo hulp bij het stellen van een diagnose, maar onnatuurlijke beelden kunnen het model misleiden.

Zo werkt het in de praktijk

Google Research past data-augmentatie toe in spraakherkenning met SpecAugment. Die methode wijzigt het spectrogram, een beeld van het geluid, tijdens het trainen op LibriSpeech en Switchboard. In industriële projecten ondersteunt data-augmentatie het voorspellen van mechanische signalen, voor energiedistributie en robotbesturing.

Onderzoekers van de TU Delft bij Multimedia Computing bekijken of data-augmentatie ongelijke fouten in Nederlandse spraakherkenning kan verminderen. Zij vergelijken sprekers met het Nederlands als moedertaal en sprekers met een ander accent. Daarvoor maken zij extra trainingsopnamen door snelheid, volume en toonhoogte te veranderen, en trainen zij het herkenningssysteem opnieuw.

Gecontroleerd op 23 oktober 2026