---
title: "CutMixとは？画像を切って混ぜるデータ拡張【G検定対策】"
description: "CutMix画像を切って混ぜるデータ拡張について、G検定で問われる画像認識・CNN分野の観点から、画像タスクでの役割、特徴抽出の流れ、代表モデルとの関係を整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
canonical_url: "https://stemtazoo.github.io/gk/cutmix/"
section: "gk"
---

## まず結論
- **CutMixとは、2枚の画像を用いて、一方の画像の一部領域をもう一方に貼り付け、ラベルも面積比で混合するデータ拡張手法**である。
- G検定では「**画像を切って貼る＋ラベルも混ぜる**」点が問われる。

## 直感的な説明
CutMixは、名前の通り

> **Cut（切る）＋ Mix（混ぜる）**

です。

やっていることはシンプルで、
1. 画像Aを用意
2. 画像Bを用意
3. Bの一部を切り取ってAに貼り付ける
4. **ラベルも貼り付けた面積比で混ぜる**

👉 「犬70％＋猫30％」のような  
**中間ラベル**が生まれます。

## 定義・仕組み
### 定義
- 2枚の画像を組み合わせる **複合型データ拡張**
- 一方の画像の **矩形領域を切り取り**、もう一方に貼り付ける
- ラベルは貼り付け面積比で線形補間

### 目的
- 過学習の抑制
- 局所特徴への過度な依存を防ぐ
- 汎化性能の向上

重要：
- **画像の一部は完全に置き換わる**
- Random Crop とは違い「2枚使う」

## いつ使う？（得意・不得意）
### 得意な場面
- 画像分類タスク
- CNNモデル
- データが少ない場合

### 注意が必要な場面
- 物体検出・セグメンテーション（位置が重要）
- 医療画像など意味の破壊が問題になる場合

## G検定ひっかけポイント
ここは必ず狙われます。

### よくある誤解
- ❌「画像を切り取るだけの手法」
- ❌「1枚の画像だけを使う」
- ❌「ラベルは変えない」
- ❌「Random Cropと同じ」

### 正しい判断基準
- **2枚の画像を使う → CutMix**
- **切って貼る → CutMix**
- **ラベルも混合 → CutMix**
- **1枚だけ切る → Random Crop**

問題文に  
「2つの画像」「貼り付け」「ラベルを面積比で混合」  
とあれば **CutMix**。

## まとめ（試験直前用）
- CutMix＝切って貼る
- 2枚の画像を使用
- ラベルも混合する
- Cropとは別物
- 「切る＋混ぜる」で即判断