ある警備会社が、防犯カメラの映像から人物を検出するモデルを運用している。分析すると、ほかの人や荷物に体の一部が隠れた人物を見逃す例が多かった。この弱点を補うために加えるデータ拡張として、最も適切なものを1つ選べ。
正解と解説を見る
解説
正解 A
この問題の論点：隠れに強くする拡張
ポイント
Random Erasingは画像の一部をランダムに塗りつぶし、物体の一部が隠れた状況を再現して、隠れに強いモデルにします。
選択肢ごとの解説
- A
適切 正解
対象の一部が隠れた画像を人工的に作り、隠れ（オクルージョン）に強いモデルにします。モデルは特定の部分だけに頼らず、見えている残りの部分からも人物を判断するように学習します。
- B
不適切
明るさの変換は、時間帯や照明の違いへの対策です。人物の一部が見えなくなる状況は再現しないため、隠れによる見逃しへの直接の対策にはなりません。
- C
不適切
左右反転は、人物が右向きか左向きかといった向きの違いに対応させる変換です。体の一部が隠れた画像は作られないため、この弱点には合いません。
- D
不適切
Mixupは2枚の画像を全体で半透明に重ねるため、体の一部がはっきり隠れた状態にはなりません。主なねらいは、データの間で予測をなめらかに変化させ、汎化性能を高めることです。
補足
決まった大きさの正方形を一定の値で塗りつぶすCutoutも、同じく隠れを再現する手法です。Random Erasingの論文では、画像分類のほか物体検出や人物の再識別でも精度が上がったと報告されています。
試験での狙われ方
現場の課題（照明の変化、向きの違い、隠れ）と、それに合うデータ拡張の手法を対応させる形が考えられます。