④ ディープラーニングの要素技術／ 25. データ拡張

Cropとは

Cropとは、画像の一部を切り抜くことで、位置ずれやスケール変化への耐性を高める手法です。ランダムクロップは局所特徴の学習促進に有効です。

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。

画像の一部を切り出して使うことで、位置や大きさの変化に強くする手法です。

画像の一部を切り出した例

何が起きるのか

切り抜く位置を毎回変えると、対象が画像内のどこに写るかが変わります。また切り抜いた領域を元のサイズに拡大すれば、対象の見かけの大きさも変わります。

結果として、位置と大きさの両方に対する不変性をデータの面から鍛えられます。

切り抜き方によっては肝心の対象が写らなくなることがあります。それでも元のラベルが付いたままなので、誤ったデータを学習させてしまう危険があります。

切り抜く範囲の設定はタスクに応じた調整が必要です。これを自動化する試みがRandAugmentです。

学習だけでなく、推論時に複数の位置で切り抜いて予測を平均する使い方もあります。これは推論時データ拡張と呼ばれます。

計算量は増えますが、安定した予測が得られるためコンペなどで用いられます。アンサンブル学習と似た発想です。