ディープラーニングライブラリ「Caffe」の画像認識精度を向上させるための「ファインチューニング」について紹介します。
「ファインチューニング」とは、初期段階で学習済モデルを使用して学習することにより認識精度を向上させる手法です。
ニューラルネットワークの各ニューロンの閾値は、最初は初期値で設定されています。学習していくに従って、各ニューロンの閾値は逆伝播によって調整されていきます。この調整により認識精度が高まっていきます。
「ファインチューニング」とは、この初期値を学習済モデルの値を使い更新することにより、初期段階で認識精度を高める方法です。
一般物体認識データセット「ImageNet」の学習済モデルを物体検出などの認識処理に活用します。
・1から学習させるよりも効率的
・初期段階で認識精度を大幅に向上できる
・大量の学習データを揃えなくても、ある程度の認識精度まで向上できる
学習済みモデルは、認識したい対象と一致するモデルを調達する必要があります。
「Caffe Model Zoo」から各種学習済モデルを取得できます。
以下のモデルが用意されています。
・標準的サンプル「BVLC Reference CaffeNet」
・高性能ニューラルネット「BVLC AlexNet」
・R-CNN(物体検出アルゴリズム)サンプル「BVLC Reference R-CNN ILSVRC-2013」
・Googleチームが作成したニューラルネット「BVLC GoogLeNet」 など
「コミュニティモデル」は、Caffeユーザーが作成したモデルです。多くのモデルが登録されています。
ファインチューニングについて、コンパクトに解説されています。
・ファインチューニングとは
・具体的な話
・Caffeの学習済みモデル
・公式の学習済みモデル
・非公式の学習済みモデル
・実行コマンド
・注意事項
→Qiita →WindowsのCaffeでファインチューニングするお話
「Model Zoo」から「VGG16モデル」をダウンロードしてファインチューニングを行なう方法を解説しています。
1.ネットワーク定義ファイルのダウンロード
2.スクリプトの実行
→いつもの作業の備忘録 →【Caffe】モデルをダウンロードして利用する
GPUありのCaffe環境で、「マルハナバチ」の分類を行なうモデルに対するファインチューニングについて解説しています。
丁寧に読みやすくまとめられているため参考になります。
1. セットアップとデータの準備
2. ネットワークを定義する
3. マルハナバチ識別器の学習
4. End-to-endのファインチューニング
→Deep Learning実習 →4. 学習済みのネットワークをマルハナバチ分類にファインチューニング
※定期的にメンテナンスを実施しておりますが、一部情報が古い場合がございます。ご了承ください。
AI研究プロジェクトなどをサポートする主要なオープンソースAIツールを紹介。 ①Apache Mahout 統計と線形代数を含む一般的な数学問題の作業を簡素化するように設計されている。 ...
OSS×Cloud ACCESS RANKING