④ ディープラーニングの要素技術／ 25. データ拡張

Cutoutとは

Cutoutとは、画像の一部を矩形領域で0（黒）などに置換して隠す手法です。局所的な特徴への依存を防ぎ、ロバスト性を高めます。Random Erasingと異なり、置換する値は固定である点が特徴です。

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。

画像の一部を黒などで塗りつぶして隠す拡張手法です。

なぜ隠すのか

モデルは特定の部位だけを見て判断するようになりがちです。犬なら顔だけ、といった具合です。その部位が写っていない画像では判定できなくなります。

一部を隠して学習させると、残った部分からも判断せざるを得なくなり、複数の手がかりを使うようになります。

手法	置換する値
Cutout	固定（0や一定値）
Random Erasing	ランダム（ノイズなど）

Cutoutは一定値（典型的には0）で領域をマスクするのに対し、Random Erasingでは消去領域や置換値などをランダムに決めます。比較問題として押さえておきたいところです。

隠す領域が大きすぎると判断材料が残らず、小さすぎると効果が出ません。大きさは調整すべきハイパーパラメータです。

また、対象が小さく写る画像では対象そのものを完全に隠してしまう危険があります。タスクに応じた設定が必要です。