Zenn· 1分で読める中級
「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
AI要約
直感に反して、異なるクラスのサンプルを混ぜたデータでモデルを学習させるmixupが、なぜ汎化性能と敵対的頑健性を向上させるのか。原論文の背景から実装方法、理論的メカニズムまで、深層学習における正則化の本質を問い直す技術解説です。
AI要約
直感に反して、異なるクラスのサンプルを混ぜたデータでモデルを学習させるmixupが、なぜ汎化性能と敵対的頑健性を向上させるのか。原論文の背景から実装方法、理論的メカニズムまで、深層学習における正則化の本質を問い直す技術解説です。

Claude CodeとGoogle Colabで衛星画像分類に挑戦し、EuroSATデータセット上でResNet50が97.84%の精度を達成した実装記です。衛星画像特有のAugmentation(回転・反転)や2段階ファインチューニング、Grad-CAMによる注目領域の可視化まで、手を動かしながら画像分類の実装ノウハウを学べます。シリーズ5弾目として、時系列予測から画像分類への領域拡張の道筋も示しており、CNNとドメイン固有の工夫の組み合わせが体感できます。