基本ガイド
データ拡張
Data augmentation transforms or combines training examples to improve learning from available data.
このガイドを聴くAIによるナレーション · ~1 min
概要
An augmentation must preserve the target label or explicitly adjust it to match the transformed example.
ディープダイブ
Augmentation expands the training distribution through transformations or combinations. Mixup creates convex combinations of examples and labels. CutMix replaces a patch and mixes labels in proportion to area. AutoAugment searches for policies using validation performance, while back-translation creates synthetic paraphrases for text tasks. The methods are task-specific: transformations that preserve labels for one task may invalidate labels for another.
現実世界の実装
Random crops or flips can create altered image views when the label remains valid.
Mixup linearly combines two inputs and their labels.
CutMix pastes an image region from one example into another and weights labels by area.
Back-translation generates paraphrased text by translating through an intermediate language.
データ拡張の未来
Select augmentations based on task semantics and validate on data representative of deployment. Record transformation distributions and test for synthetic artifacts or label mismatch. The cited papers report specific datasets and experiments, not a guarantee that more augmentation always improves generalization.
実践する
なぜそれが重要なのか
- より明確な判決. これは、明確な技術的主張とマーケティング言語を区別するのに役立ちます。
- 費用と予算. お金や時間を費やす前に、実装に関するより良い質問をすることができます。
- チームとワークフロー. 共通の理解を持ったチームは、製品、ポリシー、学習に関する意思決定をより適切に行うことができます。
気をつけてください
- チームが異なれば、同じ用語の使用方法も異なる可能性があるため、範囲を早めに定義してください。
- ベンチマークは好調に見えても、実際のパフォーマンスにはばらつきがある場合があります。
- データの品質と評価計画を無視すると、多くの場合、脆弱な結果が生じます。
次のステップ
- 必要な結果を平易な言葉で定義することから始めます。
- テストする前に、成功指標と失敗条件を 1 つ選択します。
- 洗練されたデモセットではなく、代表的なデータを使用して小規模なパイロットを実行します。
- データ拡張が役立つ場合と、よりシンプルな方法の方が優れている場合を文書化します。
探検を続けましょう
よくある質問
データ拡張とは何ですか?
Data augmentation transforms or combines training examples to improve learning from available data. An augmentation must preserve the target label or explicitly adjust it to match the transformed example.
データ拡張の主な目的は何ですか?
拡張では、既存のデータのさまざまな変更されたコピーが作成され、過剰適合が軽減され、モデルが目に見えない入力を処理できるようになります。
一般的な画像拡張技術は次のうちどれですか?
反転、トリミング、回転、およびカラー シフトは、ラベルを維持しながらピクセルを変更する標準的な画像拡張です。
テキスト拡張において逆翻訳は何をしますか?
逆翻訳では、テキストを別の言語と逆に実行し、意味を保持した言い換え版を生成します。
なぜ拡張は「ラベルを保持」しなければならないのでしょうか?
変換によって正解が変更されるべきではありません。たとえば、「6」を「9」に反転すると、例に誤ったラベルが付けられてしまいます。
ミックスアップテクニックは何をするのですか?
Mixup は、入力とそのラベルのペアを線形的に組み合わせて新しいサンプルを作成し、よりスムーズな決定境界を促進します。