先進的データ拡張手法(Mixup, Cutout, CutMix)

Mixupは画像 x = λx_1 + (1-λ)x_2、ラベル y = λy_1 + (1-λ)y_2 とし決定境界を滑らかにします。CutMixは矩形パッチを置き換え、面積比率 λ でソフトラベルを生成し、局所領域への過度の依存を防ぎます。 ア:正解です。画像とラベルのブレンド比率を一致させることで、CNNの極端な自信過剰(過学習)を抑制します。 イ:誤りです。2枚の画像を透明度ブレンドする手法です。 ウ:誤りです。CutMixは切り貼りした面積比率に応じて混合ラベル(ソフトターゲット)を付与します。 エ:誤りです。Cutoutはランダムな矩形領域をゼロ(黒)などの一定値で塗りつぶして隠す手法です。

深層学習における先進的なデータ拡張手法である「Mixup」および「CutMix」に関する記述として、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
Mixupは2枚の画像とそれぞれのワンホットラベルを線形補間(アルファブレンド)し、CutMixは画像の一部矩形領域を別の画像で上書きしてラベルを面積比で按分して合成する。
イ
Mixupは画像の特定チャンネル(RGBのRなど)を完全に削除する手法である。
ウ
CutMixはラベルを変更せず、常に元の画像のラベルを100%維持して学習させる。
エ
Cutoutは画像の重要領域を自動認識し、その領域を2倍に拡大表示する手法である。