↑: [[G検定に関する知識]] - 元画像を加工して学習データを増やし、モデルの汎化性能を高める手法 - 主な手法 - **Flip（反転）**：左右・上下反転（左右のみではない） - **Rotate（回転）**：ランダムに回転→回転に強いモデルに - **Crop（切り出し）**：一部を切り取る→位置ずれに**強い**モデルに（弱くなるは誤り） - **Brightness（輝度調整）**：**画像全体**の明るさを変更（一部だけではない） - **Noise付加**：ノイズを混ぜて画質変化に対応 - 分類：**幾何変換**（回転・反転・拡大縮小）/ **色変換**（輝度・コントラスト・色相 → 照明変化への耐性）/ **ノイズ付加**（Denoising Autoencoderにも応用）/ **混合系**（Mixup・CutMix） - **タスク依存性**：文字認識で左右反転すると別の文字になるなど、適切な手法はタスクで異なる ← 重要 - 複数の拡張を自動的に組み合わせるのは[[RandAugment]]（AutoAugmentの簡略版。適用数Nと強度Mだけで制御）。Cutoutはマスキング、Mixupは線形補間の単一手法 ← ひっかけ - 効果3つ: データ量が増える・過学習を防ぐ・精度が上がる - 主に画像認識で使われるが、音声・自然言語にも応用される - 注意: **意味が変わる変換は使えない**（例: 手書き数字の上下反転は6→9になる） - 6つのグループ: - **幾何変換**: クロップ / ランダムフリップ / ローテート（位置・向きのズレに強くする） - **色変化**: ブライトネス / コントラスト（光の条件に対応） - **隠蔽**: カットアウト / ランダム・イレージング（遮蔽に強くする） - **混合**: Mixup（重ねる）/ CutMix（切り貼り）（ラベルも混ぜる） - **自動化**: RandAugment（変換をランダムに自動適用） - **画像以外**: ノイジング（音声）/ パラフレージング（自然言語の言い換え） - cf. [[Mixup]], [[CutMix]], [[Cutout]], [[RandAugment]]