問題 No.772
画像認識モデルの学習において、モデルが画像内の特定の局所的な特徴ばかりに過剰に依存してしまうと、対象物の一部が隠れた画像を正しく認識できなくなる。これを防ぐため、学習の過程で入力画像の一部をランダムな正方形の領域で塗りつぶし、意図的に情報を欠損させることで、画像の全体的な文脈を学習させるデータ拡張手法はどれか。
【正解の解説】
Cutout
Cutoutは、入力画像の一部を正方形に塗りつぶして情報を隠すことで、モデルが画像全体の特徴を捉えるように訓練し、局所的な過学習を避ける手法です。
スポンサーリンク
【その他の選択肢の解説】
ドロップアウト
ドロップアウトは、学習中にニューラルネットワークのニューロンをランダムに無効化することで、特定のニューロンへの過度な依存を防ぎ、過学習を抑制する手法です。
データポイズニング
データポイズニングは、学習データに悪意のあるデータを混ぜ込むことで、モデルの挙動を操作しようとする攻撃手法です。
転移学習
転移学習は、あるタスクで学習済みのモデルを、別の似たようなタスクに応用することで、学習効率を高める手法です。