사용자 정의 이미지 분류자 훈련하기
인간에게는 어려운 분류 작업도 신경망에게는 간단한 작업일 수 있습니다. 예를 들어, 낙타와 단봉 낙타의 차이를 기억하지 못하는 사람이 많습니다. 이런 경우 간단한 조정 절차를 사용하여 신경망의 도움을 받을 수 있습니다.
Wolfram Neural Net Repository에는 이미지의 주요 객체를 인식하도록 훈련된 몇 가지 모델이 있습니다. 다음은 ImageNet의 분류 데이터 집합으로 훈련된 모델입니다.
이 모델은 원래의 상태에서는 낙타와 단봉 낙타가 잘 구별되지 않습니다. ImageNet 훈련 데이터에는 둘 중 하나 밖에 없기 때문입니다.
그러나 이 특정 작업에 대한 성능이 잘 살리기 위해 모델을 재교육할 수 있습니다. 재교육을 하기 위해 최종 분류층을 제거하고 두 개의 클래스 분류자에 대체합니다.
WebImageSearch를 사용하여 새로운 훈련 데이터를 모읍니다.
NetTrain을 사용하여 새로운 데이터로 넷을 훈련합니다. 검증 측정을 위해 데이터의 10%는 남겨 두고 최종 분류층만을 훈련합니다.
새로운 모델은 훨씬 더 나은 분류를 보여줍니다.
같은 절차를 사용하여 ImageNet에서 훈련된 다른 분류 아키텍처 세 개를 재훈련하고 분류의 정확도를 비교합니다.
이러한 간단한 작업의 정확도는 거의 비슷하며, 더 강력하고 낮은 속도의 모델은 필요하지 않습니다. 작은 ResNet은 정확도와 속도의 좋은 절충안이 됩니다.
