케글 상위 커널들이 ConvNet을 짜는 원리-transfer Learning

딥러닝 모델 중 기존 검증된 EfficientNet 후반부에 layer를 add하여 

   classification문제에서 bounding box regression문제로 바꾸는 방법을 고민하다가/...
  상위 커널들을 보게 되었음.

  EfficientNet을 나와 같이 활용하더라도 train을 하는 방식이 다르다. 좋은 것은 배우자는 mind로 흡수해보자가 목표

CNN쪽은 feature extraction--> classification이라면 imagenet에서 학습한 네트워크 갖다쓴다

efficient net은 그 자체로는 classication의 role만 하기에 nn의 output인 y_pred가 bb regression과 어떻게 연결되는지 보기

fine tuning이라 learning rate는 기존의 방법보다 1/10정도로 down

The history object is returned from calls to the fit() function used to train the model. Metrics are stored in a dictionary in the history member of the object returned.

model = load_model('../input/clouds-classifier-files/classifier_densenet169_epoch_21_val_pr_auc_0.8365921057512743.h5')

 

 

Transfer Learning이란?

 Backbone의 feature를 시작점으로 taget task에서 트레이닝을 시작하는 기법

 to call differently, 다른 데이터셋에서 학습한 pretrained network를 사용

FineTuning이란? 

 object detector(Yolo V1)을 transfer learning을 통해 train할 때, 추가된 layer를 학습하기 위해 backbone의 weight을 고정하고 미세하게 튜닝