深層学習において，データクレンジングはモデルの学習に大きく影響することが知られている．一方で，データ数も精度向上の要因となるため，安易なクレンジングは，かえって精度低下を招く恐れがある．そこで，本研究では筆者らがこれまでに取り組んできた，河川の護岸のひび割れセグメンテーションの画像データに対して，種々のデータクレンジングを実施し，効果の検証を行った．検証にあたっては，教師画像のあらゆる特徴量を算出し，対象データの特性を明らかにした．さらに，その特性に基づいて作成した様々なデータセットによって学習を行い，その結果を比較した．
