Valutazione del Transfer Learning di DNN per la Classificazione di Immagini
Uno studio indaga come selezionare il miglior modello pre-addestrato per compiti di classificazione di immagini utilizzando il transfer learning. Undici modelli di elaborazione delle immagini pre-addestrati su ImageNet sono stati raffinati modificando i layer di output e i parametri di rete, quindi applicati a cinque dataset del dominio target. Sono state misurate accuratezza, densità di accuratezza, tempo di addestramento e dimensione del modello in sessioni di addestramento a singolo episodio e a dieci episodi. La ricerca mira a guidare la selezione del modello in base ai requisiti del dominio target.
Fatti principali
- 1. Il transfer learning riutilizza la conoscenza da un dominio sorgente per migliorare l'apprendimento nel dominio target.
- 2. Sono stati valutati undici modelli pre-addestrati da ImageNet.
- 3. Sono stati utilizzati cinque diversi dataset del dominio target.
- 4. Le metriche includevano accuratezza, densità di accuratezza, tempo di addestramento e dimensione del modello.
- 5. Le sessioni di addestramento sono state condotte in un episodio e dieci episodi.
- 6. I layer di output e i parametri generali della rete sono stati raffinati.
- 7. Lo studio si concentra su compiti di classificazione di immagini.
- 8. La tecnica consente di risparmiare tempo di addestramento, memoria e sforzo di progettazione.
Entità
Istituzioni
- arXiv
- ImageNet