④ ディープラーニングの要素技術 ／ 25. データ拡張
Brightnessとは
Brightnessとは、画像全体の明るさをランダムに変更し、撮影環境の違いを模擬するデータ拡張です。過学習を抑え、照度変化に強いモデルの構築に寄与します。
この用語はG検定シラバスの「25. データ拡張」に含まれます。 章全体の用語は用語解説④（全60語）にまとまっています。
一言でいうと
画像全体を明るくしたり暗くしたりして、撮影条件の違いに強くする手法です。
明度を変化させた例
現実の変動を先に学ばせる
同じ対象でも、屋外か室内か、昼か夜かで画像の明るさは大きく変わります。
学習データが特定の明るさに偏っていると、別の環境では認識できなくなります。あらかじめ明るさを変えた画像を学ばせておけば、実運用での環境変化に耐えられます。
画像向けの拡張手法の整理
- 色調系：Brightness、Contrast、noising
- 幾何系：Random Flip、Rotate、Crop
- 消去系：Cutout、Random Erasing
- 合成系：Mixup、CutMix
系統で整理しておくと選択肢の判断が速くなります。
どれだけ増やせるか
データ拡張は本質的に新しい情報を増やすわけではありません。同じ対象の見え方を変えているだけです。
そのため、そもそもデータが極端に少ない場合には限界があります。拡張は万能ではなく、本当に必要なのはデータそのものという点は実務でも重要な認識です。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| Brightness | 全体の明るさを変える |
| Contrast | 明暗の差を変える |
🎯 G検定での押さえどころ
- 画像全体の明るさを変える
- 撮影環境（照度）の違いに強くなる
- Contrast（明暗差）との違い
⚠️ よくある誤りの選択肢
- 「Brightnessは明暗の差を変える手法である」→ 誤り。それはContrastです
📘 もっと深く学ぶ
- 数式レベルまで踏み込んだ解説 → 医療AIナビ「データ集合の拡張」（E資格向け）
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。