Mixup

Mixupは、2つの学習データとそのラベルを、特定の混合比率で線形補間（混ぜ合わせる）して、新しい訓練データを作るデータ拡張手法です。これにより、ネットワークが学習するクラス間の決定境界を滑らかにすることが可能です。

具体的には、ランダムに選んだ2つの画像とそのラベルを、加重平均して新たな合成データを生成し、それをモデルに学習させます。この処理により、モデルは入力データが少し変化しても安定した予測を出力できるようになり、過学習を抑制する効果が得られます。

通常のデータ拡張（回転や反転）と異なり、入力データだけでなく正解ラベル情報も混ぜ合わせる点が大きな特徴です。G検定では、ニューラルネットワークの汎化性能を高めるための正則化・過学習対策手法の1つとして問われます。