Cutout

Cutoutは、画像認識の学習時において、画像の一部を正方形などで塗りつぶして隠すデータ拡張手法です。モデルが画像内の特定の部位のみに頼って判断するのではなく、画像全体から総合的に特徴を捉えるように強制します。

この手法を用いると、モデルは一部が隠された状態でも物体を認識しようとするため、頑健性が高まります。Dropoutに近い考え方を画像データに応用したもので、特定の局所的な情報への過学習を防ぐ効果が期待できます。

G検定では、他のデータ拡張手法であるCutMixやCropとの比較で問われることがあります。Cutoutは情報を単に削除するだけで、CutMixのように他の画像情報を持ち込まないという点が最大の違いです。この仕組みを正しく区別して覚える必要があります。