저는 현재 1000 개의 카테고리 집합에서 이미지를 분류하는 미리 훈련 된 MobileNet 모델로 작업하고 있습니다. 내 IOS 응용 프로그램의 목적을 위해, 난 단지 그것을 인식/현장에서 개체의 한 유형을 분류해야합니다. 필요한 모델을 하나만 분류 할 수 있도록 모델을 교육하려면 어떻게해야합니까?MobileNet 사전 학습 된 모델 - 분류
저는 기계 학습에 익숙하지 않으며 전송 학습 기술에 익숙하지 않습니다. 이런 유형의 훈련을하면 모델 크기가 줄어들고 필요한 객체 하나를 더 효율적으로 인식 할 수 있습니까? 그렇다면, 내 목적을 위해이 사전 훈련 된 모델을 계속 훈련하는 방법을 가르쳐주는 자료는 무엇입니까?
간략히 말하자면 1000 방향 분류 기준을 2 진 분류 기준으로 바꾸고 싶습니다. 아래의 대답은 사용자가 원본 데이터에 액세스 할 수 있고 원본 모델을 교육하는 방법을 알고 있다고 가정합니다 (즉, 교육 스크립트에 액세스 할 수 있음). 여기에 간다 :
하나의 카테고리 C에만 관심이 있다고 가정하면 데이터의 모든 인스턴스 (x, C)를 (x, 1) 및 다른 모든 인스턴스 (x, not_C)에 (x, 0), 결과 데이터에 대해 모델을 훈련 시키십시오 (또는 훈련 스크립트가 모델의 시작점을 허용하는 경우 사전 훈련 된 모델을 계속 학습하십시오).
그러면 모델은 비 C 클래스를 식별 할 능력을 잃어 버리고 잘하면 비 C 인스턴스와 비 C 인스턴스를 구별하는 데 더 잘 될 것입니다.
참고 : 덜 해킹 된 접근법은 모델을 0 또는 1 만 출력하도록 실제로 제한하고 목표를 이진 softmax로 변경하는 것입니다. 그러나이를 위해서는 모델의 아키텍처를 조작해야합니다.
한 개체에 대해 매우 정확한 이미지 분류자를 훈련시키고 싶다면 그 개체 대신 맞춤 설정된 모델을 만드는 것이 좋습니다. –