データ拡張の主な目的は?
- モデルの訓練を高速化する
- データ量を減らす
- 汎化性能を向上させる
- 正則化を無効にする
正解!
不正解...
正解は汎化性能を向上させるです。
問題に戻る
データ拡張でよく行われる操作は?
- 画像の回転や反転などを行う
- 学習率を下げる
- 正解ラベルを削除する
- モデルを単純化する
正解!
不正解...
正解は画像の回転や反転などを行うです。
データ拡張では、画像の回転・反転・切り取りなどの処理を加えてデータの多様性を高めます。
問題に戻る
2つの画像とラベルを線形合成して学習データを作成する手法は?
- 正則化手法
- 活性化関数
- Mixup
- 誤差関数
正解!
不正解...
正解はMixupです。
Mixupは、2つの異なる画像とラベルを線形合成し、学習のロバスト性を高める手法です。
問題に戻る
画像をランダムに左右や上下反転するデータ拡張手法は?
- Random Flip
- CutMix
- Dropout
- BatchNorm
正解!
不正解...
正解はRandom Flipです。
Random Flipは、左右や上下にランダムに反転して画像のバリエーションを増やす手法です。
問題に戻る
画像の一部をランダムに削除して学習データを増やす手法は?
- Contrast
- Rotation
- Random Erasing
- MaxPooling
正解!
不正解...
正解はRandom Erasingです。
Random Erasingは、画像の一部をランダムに削除することで頑健なモデルを学習させます。
問題に戻る
Brightnessによるデータ拡張はどのような処理か?
- 画像の明るさを調整する
- 正解ラベルを予測する
- ニューラルネットワークを拡張する
- 活性化関数を変える
正解!
不正解...
正解は画像の明るさを調整するです。
Brightnessは画像の明るさを変更することでデータの多様性を高める手法です。
問題に戻る
画像の一部をマスク(隠す)して学習する手法は?
- Cutout
- Batch Normalization
- Weight Decay
- Cross Entropy
正解!
不正解...
正解はCutoutです。
Cutoutは、画像の一部を正方形にマスクし、ロバストな学習を行う手法です。
問題に戻る
複数の拡張処理をランダムに組み合わせて行う自動拡張手法は?
- RandAugment
- MaxPooling
- AdaBoost
- Contrastive Learning
正解!
不正解...
正解はRandAugmentです。
RandAugmentは、複数のデータ拡張手法をランダムに組み合わせる強力な自動化手法です。
問題に戻る
自然言語処理で文の表現を言い換えてデータを増やす手法は?
- paraphrasing
- noising
- pruning
- quantization
正解!
不正解...
正解はparaphrasingです。
paraphrasing(言い換え)は自然言語処理におけるデータ拡張手法のひとつです。
問題に戻る
入力データにノイズを加えてモデルの頑健性を向上させる手法は?
- ノイズの付加
- 活性化関数の変更
- 重みの初期化
- クロスバリデーション
正解!
不正解...
正解はノイズの付加です。
noisingは、入力データにノイズを加えてモデルのロバスト性を高める手法です。
問題に戻る
データ拡張は、モデルの過学習を防ぎ、汎化性能を高めるために利用されます。