データ拡張の目的や効果に関する説明として、最も不適切なものを1つ選べ。
1つ選んでください
正解と解説を見る
解説
正解C
ポイント
データ拡張は既存のデータの見え方を変えて汎化性能を高めますが、元のデータにない種類の情報は作り出せません。
選択肢ごとの解説
- A
適切
変化を加えたデータで学習すると、モデルは個々の画像の細部を丸暗記しにくくなります。AlexNetの論文でも、過学習を抑える手軽な方法としてデータ拡張が使われました。
- B
適切
左右反転や小さな回転で猫が犬に変わらないことを、変換したデータとして示します。モデルはこうした変化に左右されない特徴を学び、変化に対する不変性を身につけます。
- C
不適切 ◯ 正解
データ拡張は、元のデータを変換して見え方を変えるだけです。元のデータにない種類の物体の情報は作り出せません。認識させたい種類のデータは、別に集めてラベルを付ける必要があります。
- D
適切
ドロップアウトは学習中のモデルの構造に、L2正則化は損失関数に手を加えます。データ拡張は学習に使うデータを変換する方法なので、これらと組み合わせて使えます。
試験での狙われ方
データ拡張の目的を問う形のほか、効果を言い過ぎた選択肢を見抜かせる形が考えられます。何を増やせて何を増やせないかを区別しておくと安心です。
関連用語
参考
- G検定 試験出題範囲（シラバス2024）第1.4版 （技術分野 項目25 データ拡張） 2026年10月31日閲覧
- Alex Krizhevsky, Ilya Sutskever, Geoffrey E. Hinton, ImageNet Classification with Deep Convolutional Neural Networks (2012) （4.1 Data Augmentation） 2026年10月31日閲覧