[파이썬 딥러닝 파이토치] PART 4. 컴퓨터 비전

CIFAR-10 데이터에 Augmentation 기법을 이용해 모델의 성능 향상시키기

• transform 함수를 사용하여 해당 이미지를 50% 확률로 좌우 반전 시킴
• 모델 정확도가 67.26%(기존 CNN 모델 65.98%, 대략 1.28% 상승)

 

CIFAR-10 데이터에 ResNet 모델 적용해 성능 향상시키기

• 고급 CNN 모델인 ResNet 적용한 결과 82.57% 정확도(Augmentation이 적용된 CNN 67.26%, 15.31% 상승)

CIFAR-10 데이터에 파이토치에서 제공하고 있는 레퍼런스 모델 불러와 적용

• ResNet34(pretrained = False) 
• 모델 구조만 불러오고 파라미터는 특정 Initializer에서 랜덤으로 샘플링 값 이용
• 정확도 79.47% (Augmentation이 적용된 CNN 67.26%, 12.21% 상승)

• resnet34(pretrained =True) 
• ImageNet 데이터로 학습한 ResNet34 모델 불러옴
• Fine-tuning(Fully Connected Layer 이전의 Weight 들은 학습 X)
• 정확도 79.58% (ResNet(pretrained=False 모델보다 1.1% 상승)

 

적은 수의 데이터에 전이학습 시키기

• 개미 이미지와 벌 이미지 각각 200장

• PyTorch 내에서 제공하는 미리 학습되지 않은 ResNet18 모델 불러옴
• 정확도 61.461% 

• ImageNet 데이터로 미리 학습된 Resnet18 모델 불러옴
• Fine Tuning (Fully Connected Layer 이전의 Weight 들은 학습 X)
• 정확도 96.7254(pretrain=False 모델 61.461%)