画像認識におけるデータ拡張に関する説明として、最も適切なものはどれか。
- 1CutMixは、2枚の画像全体を画素ごとに一定の比率で重ね合わせる手法であり、正解ラベルは混ぜずに一方の画像のものをそのまま使う。
- 2Cutoutは、画像内のランダムな位置の正方形領域を塗りつぶして学習させる手法で、物体の一部が隠れていても認識できる頑健性の向上が期待できる。
- 3手書き数字の認識では、上下反転や180度回転を加えても数字の意味は変わらないため、制限なく適用してよい。
- 4データ拡張は学習データの見かけの件数を増やすだけなので、過学習の抑制には効果がない。
正解と解説を見る
正解：2
Cutoutは画像の一部の正方形領域をマスクして学習させる手法で、物体の一部が見えなくても全体から判断できる頑健性を高めます。CutMixは別の画像から切り出した矩形領域を貼り付け、正解ラベルも貼り付けた面積の比率で混ぜる手法です。画像全体を重ね合わせるのはMixupにあたります。手書き数字では、180度回転すると「6」と「9」が入れ替わるように意味が変わる場合があります。データ拡張は学習データの多様性を高めて過学習を抑える手法であり、拡張しても正解ラベルが保たれる変換を選ぶことが大切だと覚えておきましょう。
根拠：Cutout（DeVries & Taylor, 2017）、CutMix（Yun et al., 2019）、データ拡張の適用上の注意