ML 실습: 이미지 분류

사전 학습된 모델 활용하기

컨볼루셔널 신경망이 이미지 분류 작업을 실행할 수 있도록 학습시키려면 일반적으로 매우 많은 양의 학습 데이터가 필요하며, 학습을 완료하는 데 며칠 또는 몇 주 정도의 긴 시간이 걸립니다. 하지만 Inception과 같이 방대한 데이터 세트를 사용해 학습한 기존의 이미지 모델을 분류 작업에 사용할 수 있다면 어떨까요?

특성 추출(feature extraction)은 사전 학습된 모델을 활용하는 일반적인 기법 중 하나로, 사전 학습된 모델을 사용해 생성된 중간 단계의 표현을 검색한 다음 이를 새로운 모델에 입력값으로 사용하는 것입니다. 예를 들어 이미지 분류 모델이 여러 가지 종류의 채소를 구분할 수 있도록 학습시키려면, 사전 학습된 모델에 당근, 셀러리 등의 학습용 이미지를 입력하고 최종 컨볼루셔널 레이어에서 특성을 추출합니다. 이러한 특성에는 색상, 텍스처, 모양 등 이미지의 높은 수준의 속성에서 모델이 학습한 모든 정보가 포함되어 있습니다. 그런 다음 새로운 분류 모델을 개발할 때 원시 픽셀을 사용하는 대신 이렇게 추출한 특성을 입력값으로 사용하고, 여기에 완전 연결형 분류 레이어를 추가할 수 있습니다. 엔지니어들은 사전 학습된 모델에서 특성 추출을 사용할 때 더 우수한 결과를 얻기 위해 추출된 특성에 적용되는 가중치 매개변수를 미세 조정하곤 합니다.

사전 학습된 모델을 사용할 때 특성 추출 및 미세 조정을 사용하는 방법을 더욱 심도 있게 알아보려면 다음의 연습을 참조하세요.