Bagaimana Klasifikasi Gambar Bekerja

Algoritma klasifikasi gambar mengambil gambar sebagai input dan mengklasifikasikannya ke dalam salah satu kategori output. Pembelajaran mendalam telah merevolusi domain klasifikasi gambar dan telah mencapai kinerja yang luar biasa. Berbagai jaringan pembelajaran mendalam seperti ResNet, DenseNet, Inception, dan sebagainya, telah dikembangkan menjadi sangat akurat untuk klasifikasi gambar. Pada saat yang sama, ada upaya untuk mengumpulkan data gambar berlabel yang penting untuk melatih jaringan ini. ImageNetadalah salah satu kumpulan data besar yang memiliki lebih dari 11 juta gambar dengan sekitar 11.000 kategori. Setelah jaringan dilatih dengan ImageNet data, kemudian dapat digunakan untuk menggeneralisasi dengan dataset lain juga, dengan penyesuaian ulang sederhana atau fine-tuning. Dalam pendekatan pembelajaran transfer ini, jaringan diinisialisasi dengan bobot (dalam contoh ini, dilatih ImageNet), yang nantinya dapat disetel dengan baik untuk tugas klasifikasi gambar dalam kumpulan data yang berbeda.

Klasifikasi gambar di Amazon SageMaker AI dapat dijalankan dalam dua mode: pelatihan penuh dan pembelajaran transfer. Dalam mode pelatihan penuh, jaringan diinisialisasi dengan bobot acak dan dilatih pada data pengguna dari awal. Dalam mode pembelajaran transfer, jaringan diinisialisasi dengan bobot yang telah dilatih sebelumnya dan hanya lapisan teratas yang terhubung sepenuhnya diinisialisasi dengan bobot acak. Kemudian, seluruh jaringan disetel dengan data baru. Dalam mode ini, pelatihan dapat dicapai bahkan dengan kumpulan data yang lebih kecil. Ini karena jaringan sudah terlatih dan oleh karena itu dapat digunakan dalam kasus-kasus tanpa data pelatihan yang memadai.