Çok az veri kullanarak güçlü görüntü sınıflandırma modelleri oluşturma blog yazısında darboğaz özelliklerinden bahsediliyor. Darboğaz özellikleri nelerdir? Kullanılan mimari ile değişiyor mu? Tamamen bağlı katmandan önce kıvrımlı katmanların nihai çıktısı mıdır? Neden böyle deniyorlar?
Yanıtlar:
Çok az veri kullanarak güçlü görüntü sınıflandırma modelleri oluşturma blog yazısında darboğaz özelliklerinden bahsediliyor. Darboğaz özellikleri nelerdir?
VGG16 modelinden "darboğaz özelliklerini" verdiğiniz bağlantıda açıkça yazılmıştır : tam bağlanmış katmanlardan önceki son aktivasyon haritaları .
Kullanılan mimari ile değişiyor mu?
Elbette. Yazar büyük olasılıkla önceden eğitilmiş bir model kullanmıştır (büyük bir veri üzerinde eğitilmiştir ve şimdi sadece bir özellik çıkarıcı olarak kullanılmaktadır)
Tamamen bağlı katmandan önce kıvrımlı katmanların nihai çıktısı mıdır?
Evet.
Neden böyle deniyorlar?
VGG'ye giriş boyutu göz önüne alındığında, HxW boyutlarının özellik haritaları her bir maksimum havuz işleminden sonra iki kat küçülüyor. YxG, son evrişimsel katmanın en küçüğüdür.
İlk olarak, transfer öğrenimi hakkında konuşmalıyız. Kedileri algılamak için bir görüntü veri kümesi üzerinde nöronal bir ağ eğittiğinizi düşünün, yaptığınız eğitimin bir kısmını başka bir şeyi tespit etmek için başka bir şey üzerinde çalışmak için kullanabilirsiniz. Bu transfer öğrenimi olarak bilinir.
Transfer öğrenimi yapmak için, son tam olarak bağlanmış katmanı modelden kaldıracak ve katmanlarınızı oraya takacaksınız. "Kesilmiş" model çıktısı, "modelinizi" dolduracak özellikler olacaktır. Bunlar darboğaz özellikleridir.
VGG16, ImageNet kataloğuna göre çok iyi doğruluğa sahip olan bir pretrain modelidir. Paylaştığınız gönderide, bu modeli daha yüksek bir doğrulukla kedi ve köpekleri tespit etmek için bir üs olarak kullanıyor.
Darboğaz özellikleri modele bağlıdır. Bu durumda, VGG16 kullanıyoruz. VGG19, ResNet-50 gibi önceden eğitilmiş başka modeller var
Bir modeli kesip kendi katmanlarınızı eklediğiniz gibi. Temel olarak, ne belirlemek istediğinize karar vermek için çıktı katmanı, nihai çıktı.