G検定（JDLA） 練習問題 27：画像データの前処理・データ拡張
深層学習における「データ拡張（Data Augmentation）」について、正しいものはどれか。
- 回転・反転・拡大縮小などの加工を訓練データに施し、データ数を疑似的に増やす手法である
- 学習済みモデルの重みを別のタスクに転用することで学習を高速化する手法である
- モデルの出力層のニューロンをランダムに無効化することで汎化性能を高める手法である
- 複数の異なるモデルの出力を統合して最終的な予測を行う手法である
- 学習率を訓練の進行に応じて段階的に減衰させる手法である
正解と解説を見る
正解：回転・反転・拡大縮小などの加工を訓練データに施し、データ数を疑似的に増やす手法である
データ拡張は、画像に回転・反転・拡大縮小・明るさ変更などの加工を施し、訓練データのバリエーションを人工的に増やすことで、モデルの汎化性能を高め過学習を防ぐ手法である。
【正解の理由】
限られた訓練データを様々な変換によって水増しすることで、モデルが特定の見え方に過度に適応することを防ぎ、多様な入力に対応できるようになる。
【不正解の理由】
• 「学習済みモデルの重みを別のタスクに転用する」は転移学習の説明であり誤り
• 「出力層のニューロンをランダムに無効化する」はドロップアウトの説明であり、データ拡張とは異なる正則化手法である
• 「複数の異なるモデルの出力を統合する」はアンサンブル学習の説明であり誤り
• 「学習率を段階的に減衰させる」は学習率スケジューリングの説明であり誤り