あるメーカーには8つの欠陥クラスがあり、クラスごとに約100,000枚の画像が提供されています。トレーニング中、モデルは90%のトレーニング精度を達成しますが、検証精度は80%に過ぎず、人間レベルのパフォーマンスは約90%です。このギャップに対処するために、何を調査すべきですか？

トレーニング精度が90%と高いにもかかわらず、検証精度が80%と低い場合、モデルがトレーニングデータに過学習している可能性が高いです。人間レベルのパフォーマンスが90%であることから、モデルには改善の余地があります。正則化（例：L1/L2正則化、ドロップアウト）は、モデルの複雑さを抑制し、過学習を防ぐ効果的な手法です。 他の選択肢は以下の理由で不適切です。 より長い時間トレーニングする：過学習を悪化させる可能性があります。 ネットワーク容量を増やす：モデルがさらに複雑になり、過学習を助長する可能性があります。 トレーニングに別のオプティマイザを試す：オプティマイザの変更は収束を助けるかもしれませんが、過学習の根本的な解決にはなりません。