數據增強(Data Augmentation)是一種在機器學習和深度學習中常用的技術，目的是通過在原始數據上套用各種變換和操作來生成新的訓練樣本，從而增加訓練數據集的規模和多樣性。
這些變換包括旋轉、縮放、裁剪、平移、翻轉等，有時還包括添加噪聲、模糊或扭曲等處理。通過這些變換，可以模擬真實世界中的各種變化和干擾，幫助模型更好地適應不同的場景和條件。數據增強有助於提高模型的泛化能力和魯棒性，使其能夠更好地識別和處理新的、未見過的數據。此外，數據增強還可以減少模型對某些特徵的過度依賴，避免過擬合，從而提高模型的性能。