Sie führen Transfer Learning für die Klassifizierung von Fahrzeugmarken und -modellen durch, wobei Sie ein vortrainiertes Modell verwenden, das auf allgemeinen Bildern trainiert wurde. Sie verfügen über einen großen beschrifteten Datensatz von Fahrzeugbildern. Wie sollten Sie das Modell initialisieren, bevor Sie es mit Ihrem Fahrzeugdatensatz neu trainieren?

Die korrekte Vorgehensweise beim Transfer Learning ist, die vortrainierten Gewichte für die meisten Schichten des Modells zu verwenden und nur die letzte vollständig verbundene Schicht durch eine neue zu ersetzen, die auf die Anzahl Ihrer spezifischen Fahrzeugklassen zugeschnitten ist. Die vortrainierten Gewichte haben bereits gelernt, allgemeine Merkmale aus Bildern zu extrahieren, was eine gute Ausgangsbasis bildet. Das Ersetzen der letzten Schicht ermöglicht es dem Modell, die spezifischen Merkmale für Ihre neuen Klassen zu lernen. Das Initialisieren aller Schichten mit zufälligen Gewichten würde den Vorteil des Transfer Learnings zunichtemachen. Das Beibehalten der ursprünglichen letzten Schicht würde nicht zu den neuen Klassen passen.