【でーたかくちょう】
データ拡張 とは？
最終更新:
💡 同じ教材を、違う見え方でも練習する
既存の学習データに、回転・反転などの変換を加えて多様な例を作る手法。汎化を助けることがあるが、目的に合う変換と、学習用から分けたデータでの評価が重要。
📌 このページのポイント
- 元の学習データから、多様な例を作る
- 変換は、タスクの意味や正解に合わせて選ぶ
- 新しい実測データを集めたこととは違う
- 性能向上は保証せず、独立した評価で確かめる
ひよこ データをコピーして増やすだけ？
ペンギン先生 同じ物を複製するだけではなく、変換して違う例を作るんだ。画像なら左右反転や小さな回転、明るさの変更など。TensorFlowの教材でも、現実的な変換で学習用データの多様性を増やす方法として紹介しているよ。
ひよこ 猫の画像なら、どんな変換でも猫のまま？
ペンギン先生 分類の目的に合う範囲で考えよう。左右反転しても猫と判断できる例はあるけれど、大きく切り取って猫が写らなくなれば正解と合わなくなる。数字の6を回転して9のように見せる例も困るよね。画像だけでなく、正解との対応も確かめるんだ。
ひよこ 変換した画像は、全部保存するの？
ペンギン先生 先に作って保存する方法も、学習中にランダムに変換する方法もあるよ。後者なら、元データからその都度違う例を作れる。ただし、計算の負担は増えるし、実際に新しい対象を撮影したデータを集めたわけではないんだ。
ひよこ テキストでも、同じことができる？
ペンギン先生 文章を変えて学習例を作る研究もあるよ。EDAという研究は、同義語への置き換えや単語の挿入・交換・削除を扱っている。でも順序や否定を変えると意味や正解が変わり得る。画像と同じ操作を当てはめるのではなく、タスクに合うかを確かめよう。
ひよこ 使えば、必ず精度が上がるの？
ペンギン先生 保証ではないよ。学習データと評価データを先に分け、学習側に適した拡張を使って効果を比べよう。同じ元画像の変換版を学習と評価の両方に入れると、独立した性能を測りにくくなる。評価時の前処理とランダムな学習用拡張も区別しよう。
まとめ：ざっくりこれだけ覚えればOK！
「データ拡張」って出てきたら「学習データを変換して、いろいろな見え方や表現で練習する方法」と思えばだいたいOK！
📖 おまけ：英語の意味
「Data Augmentation」 ＝ データの拡張・増強
💬 「Augmentation（拡張・増強）」は「増やして強化する」という意味。データ量を増やしてモデルを強化する手法を表すよ