반응형
Transfer Learning(전이학습)- 누군가가 학습시켜놓은 가중치를 그대로 이용하고싶을때 사용
-이미지 분류 문제를 해결하는데 사용했던 네트워크(DNN;Deep Neural Network)를 다른 데이터셋 혹은 다른 문제(task)에 적용시켜 푸는 것을 의미합니다.
-다른데이터셋을 학습했을때의 가중치를 가져옴(이미지를 학습했을때의 경험을 기억하는 느낌)
FineTuning(미세조정)
-위 그림에서 Train부분
- 기존에 학습되어져 있는 모델을 기반으로 아키텍쳐를 새로운 목적에 맞게 변형하고 이미 학습된 모델의 가중치를 미세하게 조정하여 학습시키는 방법
Backbone
-위 그림에서 Frozen부분
-이미학습된 모델을 가져와서 사용(pertrained모델을 사용)
- ResNet과 같은 classification model의 입력을 받아서 각 task에 맞는 모듈로 전달해주는 역할이다.
결국 개체를 검출하든 영역들을 나누든 Neural Network는 입력 이미지로부터 다양한 feature를 추출해야 한다. 그 역할을 backbone 네트워크가 한다.
사전학습모델로부터의 특징추출기는 이렇게 정리를 할 수 있다.
FC Layer은 Fully Connected Layer의 약자이고 Dense Layer이라고도 한다.
Dense Layer은 다차원을 1차원으로 바꿔주는 레이어이다.
모델의 하위층은 CNN모델의 초기레이어, 모델의 상위층은 CNN모델의 깊은레이어
728x90
'computer vision > dna_study' 카테고리의 다른 글
python train test vaild 폴더 생성 (0) | 2023.03.15 |
---|---|
kaggle Tutorial Intel Image Classfication(캐글) (1) | 2023.03.15 |
딥러닝 인공신경망 (0) | 2023.03.03 |
이미지넷 챌린지 (0) | 2023.03.03 |
Neural Network CNN (0) | 2023.03.03 |
댓글