問題 No.849
画像認識モデルの学習においてデータオーグメンテーションを実施する場面や方法として不適切なものはどれか。
【正解の解説】
モデルの表現能力そのものを向上させるために、畳み込み層のフィルタサイズやチャンネル数を自動的に増やす
データオーグメンテーションはデータの量を増やす手法であり、モデルのネットワーク構造（チャンネル数など）を直接変える手法ではありません。
スポンサーリンク
【その他の選択肢の解説】
用意できた画像データの枚数が少なく、モデルがバリエーションを学習できずに過学習を起こすリスクを回避したいとき
データが少ないとモデルは丸暗記に近い状態になり、新しいデータに対応できません。画像を変形させることで、少ないデータを活用し、学習を正しく進めます。
既存の画像を反転や回転あるいは色調を変化させることで、人工的にデータの多様性を水増しするデータ拡張を行う
反転や回転などで画像を少し変えても、何が映っているかの本質は変わりません。これにより、モデルは様々な角度や状態の物体を識別できるようになります。
実世界の様々な撮影環境に対応できる位置や歪みに頑健なモデルを構築したいとき
色々な向きや歪みを人工的に加えることで、モデルは「位置が少しずれていても同じ物体だ」と判断できる頑丈さを身につけます。