イメージ分類の仕組み

イメージ分類アルゴリズムでは、イメージを入力として受け取り、それを出力カテゴリの 1 つに分類します。ディープラーニングはイメージ分類ドメインに革命をもたらし、優れたパフォーマンスを実現しました。、ResNet、DenseNetInception などのさまざまな深層学習ネットワークは、画像分類に非常に正確になるように開発されました。同時に、これらのネットワークのトレーニングに不可欠なラベル付きのイメージデータを収集する作業が行われてきました。ImageNet は、約 11,000 個のカテゴリを持つ 1,100 万を超える画像を含む大規模なデータセットの 1 つです。ネットワークを ImageNet データでトレーニングしたら、そのネットワークを使用して、単純な再調整または微調整によって他のデータセットを一般化することもできます。この転送学習アプローチでは、ネットワークは重みで初期化され (この例では でトレーニングされます ImageNet）、後で別のデータセットの画像分類タスクに合わせて微調整できます。

Amazon の画像分類は、フルトレーニングと転移学習の 2 つのモードで実行 SageMaker できます。完全トレーニングモードでは、ネットワークはランダムな重みで初期化され、ユーザーデータでゼロからトレーニングされます。転送学習モードでは、ネットワークは事前にトレーニングされた重みで初期化され、最上位の完全に接続されたレイヤーだけがランダムな重みで初期化されます。次に、ネットワーク全体が新しいデータで微調整されます。このモードでは、小規模なデータセットでもトレーニングを実現できます。これは、ネットワークがすでにトレーニングされているため、十分なトレーニングデータがない場合でも使用できるからです。