機械学習の基礎および深層学習の応用（画像認識、自然言語処理、生成モデル、深層強化学習等）
あるセマンティックセグメンテーションのタスクにおいて、画素の大部分が背景クラスであり前景クラスの画素数が非常に少ないため、モデルが背景ばかりを予測する傾向が生じた。この問題への対処として最も適切なものはどれか。
- Aミニバッチサイズを大きくして学習を安定化させる。
- ✓Focal Lossやクラスごとの重み付き交差エントロピー損失を用いて少数クラスの損失への寄与を大きくする。
- C学習率を大幅に下げてゆっくり学習させる。
- Dプーリング層の数を増やして特徴マップの解像度をさらに下げる。
解説
クラス不均衡が原因でモデルが多数派クラスに偏る場合、少数クラスの損失重みを大きくするクラス重み付き損失やFocal Lossの導入が有効な対策である。バッチサイズや学習率の調整、解像度低下は不均衡そのものを解消しない。
根拠シラバス項目「セマンティックセグメンテーション」