AI
Custom Data 로 이미지 분류 전이학습 하기
두줄요약
DenseNet 사전학습 모델의 분류기를 교체해 커스텀 이미지 분류 전이학습을 구현했습니다. 검증 기반 가중치 저장과 CSV·heatmap 시각화로 학습 결과를 관리했습니다.
문제 상황
- 단순 키워드만으로 파악하기 어려운 검색 의도를 보완할 유사 이미지 분류 필요
- 사용자 입력 이미지와 데이터베이스 객체의 유사도 분류 목적
구조와 흐름
- ImageNet 사전학습 가중치 기반 DenseNet 전이학습과 분류기 교체
- ImageFolder·DataLoader 기반 데이터 로딩, 교차 엔트로피 손실 기반 학습
- 검증 정확도 기준 최적 가중치 저장과 CSV·heatmap 기반 카테고리별 결과 시각화
선택 이유
- 초기 계층의 일반 특징 재사용과 후반 분류기 재학습을 통한 적은 데이터셋 대응
- DenseNet의 조밀한 연결 기반 특징 전파, 특징 재사용, 그래디언트 소멸 완화
- 분류기만 학습하는 옵션으로 학습 시간 절감과 카테고리별 가중치 재사용
주의할 점
- 데이터셋 크기와 사전학습 데이터셋 유사도에 따른 고정 계층·미세 조정 범위 결정
- YAML 설정 분리와 모델·파일 변경 전 협업자 간 사전 합의 필요
- 이미지 외 시스템 파일 필터링과 0으로 나누기 예외 처리 필요