④ ディープラーニングの要素技術 ／ 25. データ拡張
CutMixとは
CutMixとは、2枚の画像を部分的に切り貼りし、ラベルもその面積比で線形混合する強力なデータ拡張手法です。正則化効果が高く、分類精度の向上が期待できます。
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
2枚の画像を切り貼りし、ラベルも面積の割合で混ぜる拡張手法です。
MixupとCutoutのいいとこ取り
Cutoutは情報を捨てるだけですが、CutMixはその領域を別画像で埋めるので情報が無駄になりません。ここが優れている点です。
ラベルも混ぜる
画像の70%が犬、30%が猫なら、ラベルも「犬0.7・猫0.3」とします。面積比に合わせるのがポイントです。
これによってモデルは部分的な手がかりからも判断できるようになり、過学習が抑えられます。
ラベル平滑化との共通点
「犬0.7・猫0.3」のような中間的なラベルを与える点は、ラベル平滑化という正則化手法と発想が共通しています。
正解を1、それ以外を0と言い切らないことで、モデルが過度に自信を持つことを防ぎます。過学習の抑制につながる仕組みです。
混同しやすい用語との違い
| 用語 | ポイント |
|---|---|
| CutMix | 一部を別画像で置き換え。ラベルは面積比 |
| Mixup | 2枚を半透明に重ねる。ラベルも線形補間 |
| Cutout | 一部を塗りつぶすだけ。ラベルは変えない |
🎯 G検定での押さえどころ
- 2枚を切り貼りし、ラベルを面積比で混合
- Cutoutと違い情報を捨てない
- Mixup（半透明に重ねる）との違い
⚠️ よくある誤りの選択肢
- 「CutMixではラベルを変更しない」→ 誤り。面積比で混合します
- 「CutMixは2枚の画像を半透明に重ねる」→ 誤り。それはMixup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。