ある部品メーカーが、製品の表面を撮影した画像から、小さな傷の有無を「傷あり」「傷なし」で判定するモデルを作る。傷の位置は画像ごとに異なり、製品はさまざまな向きで撮影される。データ拡張の使い方として、最も不適切なものを1つ選べ。
正解と解説を見る
解説
正解 A
この問題の論点：小さな欠陥の画像の拡張
ポイント
小さな対象を扱う課題では、Cropで対象が切り出し範囲の外に出ることがあり、元のラベルのままでは誤った正解になります。
選択肢ごとの解説
- A
不適切 正解
傷は画像のごく一部にしか写っていないため、ランダムに切り出すと傷が範囲の外に出ることがあります。それでも「傷あり」と付けると、傷の見えない画像に誤った正解を与えることになります。
- B
適切
照明の違いは運用時にも起こるため、明るさを少し変えた画像で学習すると判定が安定しやすくなります。変化の幅を小さくしておけば、傷が見えなくなるおそれも抑えられます。
- C
適切
90度単位の回転なら画像の端が切れず、傷は画像の中に残ります。「傷あり」か「傷なし」かは変わらず、運用時の向きのばらつきも学習データで再現できます。
- D
適切
Random Erasingで傷の部分が塗りつぶされると、「傷あり」の画像が実質的に「傷なし」になります。小さな対象を扱う課題では、隠す範囲を調整してラベルが変わらないようにします。
補足
Cropを使うなら、切り出す範囲を広めにとる、傷の位置の情報を使って傷を含む範囲だけを切り出す、切り出した後の画像を見直してラベルを付け直す、といった工夫が考えられます。データ拡張では、変換の前後で正解が変わらないかを、課題ごとに確かめることが大切です。
試験での狙われ方
外観検査や医用画像などの事例で、変換によって判定の根拠が画像から消えないかを考えさせる形が考えられます。