問題 No.311
手元にある画像の訓練データ数が少なく、モデルが過学習を起こしやすい課題に実務で対処したい。元の画像に対して、反転、回転、拡大・縮小、切り抜き（クロッピング）、あるいは色調の補正などのデジタル加工（変換）をランダムに施すことで、モデルに「画像の見た目のバリエーション」を疑似的に大量に学習させ、汎化性能を劇的に向上させる画像専用の前処理手法を何というか。
【正解の解説】
データオーグメンテーション
データオーグメンテーション（データ拡張）は、元画像を回転、反転、色調整などで少し変化させることで、AIに「見え方のバリエーション」を教え、少ないデータでも賢く学習できるようにする手法です。
スポンサーリンク
【その他の選択肢の解説】
ワンホットエンコーディング
ワンホットエンコーディングは、カテゴリラベルを0と1のベクトルに変換する手法で、画像処理の拡張手法ではありません。
標準化
標準化は、データの平均を0、分散を1に揃えるデータの前処理のことです。
次元削減
次元削減は、多すぎるデータを重要な情報だけを残して圧縮する手法の総称です。