ML การปฏิบัติ: การแยกประเภทรูปภาพ

การใช้ประโยชน์จากโมเดลที่ฝึกล่วงหน้า

การฝึกโครงข่ายระบบประสาทเทียมให้ดําเนินงานจําแนกประเภทรูปภาพ มักจะต้องใช้ข้อมูลการฝึกอบรมจํานวนมาก และอาจใช้เวลามาก ใช้เวลาหลายวันหรือแม้กระทั่งหลายสัปดาห์จึงจะเสร็จสมบูรณ์ แต่ถ้าคุณใช้ประโยชน์จากโมเดลรูปภาพที่มีอยู่ซึ่งฝึกกับชุดข้อมูลจํานวนมหาศาล เช่น ผ่าน TensorFlow-Slim แล้วนําไปปรับใช้ในงานการจัดประเภทของคุณเองได้

เทคนิคทั่วไปอย่างหนึ่งสําหรับการใช้โมเดลที่ฝึกล่วงหน้าคือการแยกฟีเจอร์: การดึงข้อมูลตัวแทนระดับกลางที่เกิดจากโมเดลที่ฝึกล่วงหน้าแล้วป้อนฟีดโมเดลเหล่านี้ในรูปแบบใหม่เป็นอินพุต เช่น ถ้าคุณกําลังฝึกโมเดลการจําแนกประเภทรูปภาพเพื่อแยกแยะความแตกต่างของผักประเภทต่างๆ คุณสามารถให้ภาพการฝึกของแครอท ขึ้นฉ่าย และอื่นๆ ลงในรูปแบบที่คัดไว้ล่วงหน้าแล้วแยกข้อมูลออกจากเลเยอร์การปฏิวัติสุดท้าย ซึ่งเก็บข้อมูลทั้งหมดที่โมเดลเรียนรู้เกี่ยวกับรูปภาพ' รูปแบบที่สูงขึ้น วิศวกรมักจะปรับแต่งพารามิเตอร์น้ําหนักที่ใช้กับฟีเจอร์ที่แยกออกมาเพื่อเพิ่มประสิทธิภาพเมื่อใช้การแยกฟีเจอร์กับโมเดลที่ฝึกล่วงหน้า

อ่านแบบฝึกหัดต่อไปนี้สําหรับการสํารวจการแยกฟีเจอร์อย่างละเอียดและปรับแต่งอย่างละเอียดเมื่อใช้โมเดลที่ฝึกล่วงหน้า

คําสําคัญ

การแยกฟีเจอร์

การปรับแต่งอย่างละเอียด