画像分類の TensorFlow 仕組み

Image Classification - TensorFlow algorithm はイメージを入力として受け取り、出力クラスラベルの 1 つに分類します。 MobileNet、、Inception、 など ResNet、さまざまな深層学習ネットワーク EfficientNet は、画像分類に非常に正確です。また、1,100 万以上のイメージと約 11,000 クラス ImageNetを持つ などの大規模なイメージデータセットでトレーニングされた深層学習ネットワークもあります。ネットワークが ImageNet データでトレーニングされたら、より具体的な分類タスクを実行するために、特定の焦点を持つデータセットのネットワークを微調整できます。Amazon SageMaker Image Classification - TensorFlow algorithm は、 TensorFlow Hub で利用可能な多くの事前トレーニング済みモデルでの転送学習をサポートしています。

トレーニングデータ内のクラスラベルの数に応じて、選択したトレーニング済み TensorFlow Hub モデルに分類レイヤーがアタッチされます。分類レイヤーは、ドロップアウトレイヤー、高密度レイヤー、2 ノルム正則化による全結合レイヤーで構成され、ランダムな重みで初期化されます。このモデルには、ドロップアウトレイヤーのドロップアウト率と高密度レイヤーの L2 正則化係数のハイパーパラメータがあります。その後、ネットワーク全体 (事前トレーニング済みモデルを含む) の微調整、または新しいトレーニングデータの最上位の分類レイヤーだけの微調整のいずれかを実行できます。この転移学習の方法を使用すると、より小さなデータセットでのトレーニングが可能になります。