データ拡張 - 訓練データを水増しする技術
画像・自然言語・音声のデータ拡張手法を整理。Mixup・CutMix・SpecAugmentなど、G検定頻出の実用テクニックを押さえます。
『データ拡張』は訓練データを水増しする技術。画像分類タスクで標準的に使われる実用テクニックです。
胡桃 あんず
データ拡張って、どうやってデータを増やすの?
若葉 みどり 先生
データ拡張(Data Augmentation) は、既存データにランダムな変換を施して新しいデータとして使う技術よ。
実質的に訓練データを増やせるの。
白銀 ゆき
画像分類なら、ランダムクロップ、水平反転、回転、色調変更、ノイズ追加などが典型例ね。
桜井 もも
写真をちょっと加工するだけで、学習データが増えちゃうんですかぁ?
若葉 みどり 先生
そう。
例えば『猫』を水平反転しても猫のまま。
でもネットワークにとっては新しい画像なので、汎化性能が上がるのよ。
白銀 ゆき
現代ではMixup、CutMix、RandAugmentなど高度な手法も登場。
Mixupは2枚の画像を線形補間して合成するの。
胡桃 あんず
えっ、2枚混ぜちゃうの!?
若葉 みどり 先生
犬と猫を0.3:0.7で混ぜた画像に、ラベル『犬0.3, 猫0.7』を付けて学習するのよ。
こうするとモデルが決定境界を滑らかに学べるの。
白銀 ゆき
自然言語処理ではバックトランスレーションが有名。
日本語→英語→日本語と翻訳を往復させて言い換えを作るのよ。
桜井 もも
翻訳を使ったデータ拡張、面白いです♪
若葉 みどり 先生
音声認識ではSpecAugmentが広く使われる。
スペクトログラムに時間・周波数方向のマスキングをかける手法ね。
白銀 ゆき
注意点は、タスクに応じて適切な変換を選ぶこと。
医療画像では過度な回転が不自然になったり、文字認識では水平反転がラベルを変えてしまったりするわ。
胡桃 あんず
なるほど〜、用途に合わせて選ぶってことだね!
若葉 みどり 先生
G検定では『データ拡張の目的 (汎化性能)』『画像・自然言語・音声の各手法』『Mixup・CutMix』を押さえて!
確認クイズ
データ拡張の手法で、2枚の画像を線形補間して合成する手法はどれか。
- Random Crop
- Mixup
- Dropout
- Batch Normalization
こたえを見る
正解: 2. Mixup
Mixupは2枚の画像を線形補間して合成し、ラベルも同様に混合する手法です。モデルが決定境界を滑らかに学ぶことで汎化性能が向上します。Random Cropは単純な切り抜き、DropoutとBatchNormはネットワーク内の技法です。
この記事の関連書籍
Amazonアソシエイトリンクを含みます。他分野は おすすめ書籍ページ へ。
この記事について
G検定スタディが作成した教材です。運営について・記事の作り方
試験についてはこちらをご覧ください: JDLA G検定公式ページ