G検定（ジェネラリスト検定） ディープラーニングの要素技術 練習問題 第43問: CutMix で、縦横32×32画素の画像A (ラベル「犬」) の一部を、画像B (ラベル「猫」) の同じ位置から切り取った縦横16×16画素の領域で置き換えた

肢1が正解です。CutMix を提案した論文 (Yun ら, 2019) は、ある画像の矩形の領域を取り除いて別の画像から切り取った領域で埋め、正解ラベルも貼り付けた領域の面積に比例して混ぜます。

貼り付けた面積の割合: (16 × 16) ÷ (32 × 32) = 256 ÷ 1,024 = 0.25

「猫」0.25、「犬」1 − 0.25 = 0.75

肢2の0.5は辺の長さの比 (16 ÷ 32) で、面積の比ではありません。肢3の0.75は、画像Aの「犬」の比率です。

肢4の0.0625は、面積の比をさらに2乗した値です。辺の長さが半分なら面積は4分の1になる点がつまずきやすいところです。

混ぜる比率を無作為に取る点は Mixup と同じで、違うのは画像の混ぜ方です。Mixup は2枚の画像全体の画素値をその比率で足し合わせ、CutMix は比率に応じた面積の領域を切り貼りします。