입문

Deep Learning을 시작으로 학습/인식이 가능해지고 앞으로 반드시 노력해야 할 것은 인식률의 향상이다.
그래서 정교하고 조화로운 이야기.

무엇이 정교하고 조화롭다

이미 배운 모형을 사용해 똑똑해지는 구조.
처음부터 배우는 것보다 편하고 인식률이 좋아서 좋아요.
하지만 자신이 식별하고 싶은 것과 일치하는 학습 완료 모델을 찾아야 한다.

구체적인 말

신경 네트워크에서 신경원의 권중과 한도값은 처음에 초기값으로 설정되어 역방향 전파를 통해 조정된다.

학습된 모델의 값을 사용하여 초기 값을 사용하는 것은 정밀하게 조정됩니다.

Caffe의 학습된 모형

실제로'Model Zoo'를 준비해 공식/비공식적인 학습 완료 모델을 설치했다.

공식 학습된 모델

정부는 다음과 같은 학습이 끝난 모형을 준비했다.
참고로 구해기와 네트워크의 ProtoTxt가 "caffe\models"를 이용한 것을 기술했다.
이름
컨텐트
URL
BVLC Reference CaffeNet
가장 표준 샘플(AlexNet 단순화)
http://dl.caffe.berkeleyvision.org/bvlc_reference_caffenet.caffemodel
BVLC AlexNet
이른바 "AlexNet"
http://dl.caffe.berkeleyvision.org/bvlc_alexnet.caffemodel
BVLC Reference R-CNN ILSVRC-2013
R-CNN 샘플
http://dl.caffe.berkeleyvision.org/bvlc_reference_rcnn_ilsvrc13.caffemodel
BVLC GoogLeNet
이른바 "GoogLeNet"
http://dl.caffe.berkeleyvision.org/bvlc_googlenet.caffemodel

비공식적인 학습 모형

커뮤니티 모델이라고 불리며 Caffe의 사용자가 만든 것입니다.
"Model Zoo"의 위커 페이지부터 찾으러 갑니다.
대충 GitHub Gist 위에 놓습니다.
※ 전부 영어라서 찾기가 좀 힘드네요^^;

명령을 집행하다

얻은 학습 모형을 사용하여 "caffe.exe-solver solver_file-weights caffemodel_file"느낌으로 조정합니다.
물론 자신의 환경에 따라 파일을 수정해야 한다(자신의 환경을 지정하는 이미지 데이터베이스 등).

주의사항

입력 이미지 크기를 변경할 수 없음(데이터 레이어의transform_param → crop_size)

분류수를 변경할 때 층명을 변경해야 합니다(deploy.prototxt 수정도 잊지 마세요)