畳み込みニューラルネットワーク（CNN）による画像分類は高精度であるが、adversarial examplesによって分類を誤る問題や、分布外データに対し確信度が高くなってしまう問題などが指摘されている。このようなCNNと人間との認識の差は、CNNが画像の高周波成分に依存していることが一因とされている。本研究ではCNNの振る舞いを入力画像の周波数の観点から分析し、画像の周波数成分を考慮した新たなデータ拡張の手法を検討した。そしてこのデータ拡張により学習したモデルは、分布外データへの頑健性が上がることを示した。