「混ぜる」データ拡張は本当に有効なのか？ mixup が示した汎化と頑健性

「混ぜる」データ拡張は本当に有効なのか？ mixup が示した汎化と頑健性 本稿では、データ拡張手法の一つである mixup を紹介する。 大規模な深層ニューラルネットワークは高い表現力を持つ一方で、訓練データの記憶への過度な依存や、敵対的サンプルに対する脆弱性といった望ましくない性質を示すことがある。こうした問題を緩和するための、きわめて単純かつ汎用的な手法が mixup である。 mixup の基本的な考え方は、2つのサンプルとそれぞれのラベルを 凸結合 し、そのようにして生成された仮想的な中間サンプルに対してモデルを学習させる点にある。一見すると、このような操作は意味の曖昧な中...