データ拡張

ネコを「正面の1枚」でしか見たことがない人は、横を向いたネコを見抜けないかもしれません。データ拡張は、手元の1枚から「横向き」「暗いところ」「少しぼけた」バージョンを人工的に作り出し、モデルに多様な見え方を経験させる手法です。

なぜデータを「水増し」するのか

過学習は、モデルが訓練データのたまたまの特徴まで丸暗記してしまう現象です。最も素直な対策は「データを増やす」ことですが、新しいデータを集めるのは高コストで、すぐには増やせません。

そこでデータ拡張では、今あるデータに小さな変形を加えて別データとして扱います。中身の意味（ネコであること）は変えずに見た目だけ変えることで、

• データの多様性が増える：少し違う状況を大量に経験させられます。
• 丸暗記が難しくなる：毎回少しずつ違うので、本質的な特徴を学ばざるを得なくなります。
• 頑健になる：明るさや角度のブレに強い、実戦で崩れにくいモデルになります。

ラベル（正解）はそのまま使えるので、追加のアノテーション作業なしで実質的にデータ量を増やせるのが大きな利点です。

画像でのデータ拡張

画像は変形の効果が直感的で、データ拡張が最もよく使われる領域です。元画像に幾何変換や色変換をかけて、新しい訓練サンプルを生成します。

# 学習時にランダムな変形をかけるイメージ（擬似コード）
augment = Compose([
    RandomFlip(horizontal=True),    # 左右反転
    RandomRotation(degrees=15),     # 少し回転
    RandomBrightness(0.2),          # 明るさを変える
    RandomCrop(size=224),           # 一部を切り出す
])
image = augment(original_image)     # 毎エポックで違う見た目に

手法	やること	効くしくみ
反転・回転	左右反転や角度の変更	向きが違っても同じ物だと学ばせる
切り出し・拡縮	一部を切り取り、大きさを変える	位置や大きさのブレに強くする
色・明るさ変更	輝度・コントラスト・色相を調整	撮影環境の違いを吸収する
ノイズ付与	ランダムなノイズを加える	細部への過敏な依存を防ぐ

テキストでのデータ拡張

テキストは少し変えただけで意味が崩れやすいため、画像より慎重さが要りますが、考え方は同じです。

• 同義語置換：一部の単語を似た意味の語へ置き換えます（「速い」→「素早い」）。
• 逆翻訳：別の言語へ訳してから元の言語へ訳し戻し、言い回しを変えます。
• 語順の入れ替え・挿入削除：意味を保てる範囲で語を足し引きします。
• マスクして穴埋め：一部を伏せ、言語モデルに自然な語を補わせます。

逆翻訳は、文全体の意味を保ったまま自然な言い換えが得られるため、特によく使われる手法です。

使うときの勘どころ

データ拡張は強力ですが、万能ではありません。実務で押さえたい点を挙げます。

• 検証・テストには適用しない：拡張は訓練データだけに行います。評価用データまで加工すると、本番の難易度を正しく測れません。
• タスクに合った変形を選ぶ：「現実に起こりうるバリエーション」を再現するのが目的です。実環境であり得ない変形は、かえって学習を乱します。
• やりすぎない：極端な変形を多用すると、元の意味から離れてノイズを学ばせることになります。

まとめ

• データ拡張は、既存データを変形して人工的に水増しする手法です。
• 見え方の多様性が増えることで、過学習を抑え汎化性能を高めます。
• 画像は回転・反転・ノイズ、テキストは同義語置換・逆翻訳が代表例です。
• ラベルが変わらない範囲で、現実にあり得る変形を選ぶのが鉄則です。
• 拡張は訓練データのみに適用し、検証・テストには使いません。