이미지 분류 - TensorFlow 작동 방식

이미지 분류 - TensorFlow 알고리즘은 입력으로 이미지를 가져와 출력 클래스 레이블 중 하나로 분류합니다. MobileNet, ResNet, Inception 및 EfficientNet과 같은 다양한 딥 러닝 네트워크는 이미지 분류의 정확도가 매우 높습니다. 1,100만 개 이상의 이미지와 거의 11,000개의 클래스가 있는 ImageNet과 같이 대규모 이미지 데이터세트를 기반으로 훈련되는 딥 러닝 네트워크도 있습니다. ImageNet 데이터로 네트워크를 훈련시킨 후에는 특정 초점을 맞춘 데이터세트에서 네트워크를 미세 조정하여 보다 구체적인 분류 작업을 수행할 수 있습니다. Amazon SageMaker 이미지 분류 - TensorFlow 알고리즘은 TensorFlow Hub에서 사용할 수 있는 많은 사전 훈련된 모델에 대한 전이 학습을 지원합니다.

훈련 데이터의 클래스 레이블 수에 따라 선택한 사전 훈련된 TensorFlow Hub 모델에 분류 계층이 연결됩니다. 분류 계층은 드롭아웃 계층, 고밀도 계층, 임의 가중치로 초기화되는 2-norm regularizer가 있는 완전 연결 계층으로 구성됩니다. 이 모델에는 드롭아웃 계층의 드롭아웃 비율에 대한 하이퍼파라미터와 고밀도 계층의 L2 정규화 인자가 있습니다. 그러면 전체 네트워크(사전 훈련된 모델 포함)를 미세 조정하거나 새 훈련 데이터의 상위 분류 계층만 미세 조정할 수 있습니다. 이 전이 학습 방법을 사용하면 더 작은 데이터세트로 훈련할 수 있습니다.