파이토치로 배우는 LLM & AI

109

3

장

고급 컴퓨터 비전: 이미지에서 특징 감지하기

3.7

전이 학습

이번 장에서 보았듯이 특성을 추출하는 합성곱은 이미지의 내용을 식별하는 강력한 도구입니

다. 합성곱 층이 만든 특성 맵을 완전 연결 층에 전달해 레이블에 매핑하도록 훈련하면 이미지

내용을 더 정확하게 결정하는 도구가 됩니다. 간단하고 빠르게 훈련할 수 있는 신경망과 이미

지 증식 기법을 이용해

80

~

90

% 정확도로 말과 사람을 구별하는 모델을 작은 데이터셋에서 훈

련했습니다.

하지만 전이 학습을 사용하면 모델을 더 개선할 수 있습니다. 전이 학습의 아이디어는 간단합

니다. 데이터셋의 밑바닥에서부터 합성곱 필터를 학습하기보다 더 많은 특성을 가진 대규모 데

이터셋에서 학습된 필터를 사용하면 어떨까요? 미리 학습된 필터를 사용해 말-사람 데이터로

모델을 훈련할 수 있습니다. 예를 들어 말-사람 데이터셋에는 두 개의 클래스만 있습니다. 수

천 개의 클래스로 훈련된 기존 모델을 사용할 수 있지만 기존 신경망의 일부를 버리고 두 개의

클래스를 분류하는 층을 추가할 수 있습니다.

[그림

3

-

14

]는 이런 분류 작업을 위한

CNN

의 구조입니다. 여러 개의 합성곱 층으로 연결된

완전 연결 층을 지나서 출력 층에 도달합니다.

합성곱 층

합성곱 층

밀집 층

출력 층

그림

3-14

합성곱 신경망 구조

이런 구조를 사용해 ...