データ拡張クイズ

クイズに答えると、答えと解説が表示されます。

1. データ拡張の主な目的は何ですか?
   • トレーニング データを拡張および多様化し、モデルの一般化を改善するため
   • トレーニングされたモデルの推論を高速化するには
   • ディスク上のデータセットのサイズを圧縮するには
   • ラベルのない例に自動的にラベルを付けるには
2. 一般的な画像拡張技術は次のうちどれですか?
   • 勾配降下法
   • ランダムな水平反転
   • トークン化
   • ドロップアウト
3. テキスト拡張において逆翻訳は何をしますか?
   • 文内の単語の順序を逆にする
   • テキストからすべてのストップワードを削除します
   • テキストを別の言語に翻訳し、逆に翻訳して言い換えを作成します
   • テキストを数値埋め込みに変換します
4. 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?
   • データセットのファイルサイズを一定に保つには
   • トレーニングをより速く実行するには
   • そうしないとモデルがラベルを読み取れないため
   • ラベルを変更するとモデルに間違った関連付けを教えることになるため
5. ミックスアップテクニックは何をするのですか?
   • 2 つのサンプルとそのラベルを 1 つのトレーニング サンプルにブレンドします
   • 画像の長方形領域をマスクします。
   • 最適な拡張ポリシーを自動的に検索します
   • モデルの重みにランダムなノイズを追加します
6. データ拡張が特に価値があるのはどのような場合ですか?
   • すでに無制限のラベル付きデータがある場合
   • ラベル付きデータが不足しており、さらに収集するのが難しい場合
   • モデルが完全にトレーニングされた場合のみ
   • 表形式のスプレッドシート データのみ
7. What does CutMix do to an image and its training label?
   • It adds a random word to a sentence without changing the label
   • It swaps only class names in the dataset
   • It replaces a patch with a patch from another image and mixes labels by the replaced area
   • It blurs every input and keeps a single label unchanged
8. How does AutoAugment select augmentation policies in its original paper?
   • It chooses transformations from a fixed human-written list without evaluation
   • It uses test labels to relabel training images
   • It selects operations from inference-time confidence only
   • It searches for policies using validation performance as a reward signal