Dice損失
画像のセグメンテーションで、予測した領域と正解の領域の重なりの割合（Dice係数）に基づく損失で、対象の領域が小さく、クラスの偏りが大きいときに有効なものとして、最も適切なものを1つ選べ。
- A
ヒンジ損失
- B
平均絶対誤差
- C
ラベル平滑化
- D
Dice損失
正解と解説を見る
正解：D
Dice損失は、予測と正解の重なりを直接最大化する。背景が大半を占める画像でも、小さな領域の精度を保ちやすい。
| 用語 | 内容 |
|---|---|
| SwiGLU | Swishで作ったゲートと線形変換の積を使う活性化。Transformerのフィードフォワード層で使われる |
| InfoNCE損失 | 対照学習の損失。正例を、多数の負例の中から見分けるように学習する |
| Dice損失 | セグメンテーションで、予測と正解の重なりの割合にもとづく損失。クラス不均衡に強い |
| ステキャスティック・デプス | 学習時に層をランダムに飛ばして、深いネットワークの学習を安定させる |
- A
誤り。SVMの損失。
- B
誤り。回帰の損失。
- C
誤り。正解ラベルを少しぼかす正則化。
- D
正しい。1 − Dice係数。医用画像などで使われる。
このサイトの問題は、各試験の公開されているシラバスに沿って作ったオリジナルの模擬問題です。本試験の問題ではありません。日本ディープラーニング協会（JDLA）・一般社団法人生成AI活用普及協会（GUGA）の公式サービスではありません。