일반 이미지를 사용하여 훈련된 사전 훈련된 모델로 차량 제조사 및 모델 분류를 위한 전이 학습을 수행하고 있습니다. 차량 이미지로 구성된 레이블이 지정된 대규모 데이터 세트가 있습니다. 차량 데이터 세트에서 재훈련하기 전에 모델을 어떻게 초기화해야 합니까?

전이 학습의 핵심은 사전 훈련된 모델이 일반적인 특징 추출 능력을 가지고 있다는 점을 활용하는 것입니다. 따라서 모든 계층을 사전 훈련된 가중치로 초기화하여 모델이 이미 학습한 유용한 지식을 유지해야 합니다. 그러나 원본 모델의 최종 완전 연결 계층은 원래의 분류 작업에 특화되어 있으므로, 새로운 차량 제조사 및 모델 분류 작업에 맞게 새로운 출력 클래스 수에 해당하는 새로운 완전 연결 계층으로 교체해야 합니다. 다른 옵션들은 다음과 같은 이유로 올바르지 않습니다. 모든 계층을 무작위 가중치로 초기화하는 것은 전이 학습의 이점을 포기하고 처음부터 모델을 훈련하는 것과 같습니다. 최종 완전 연결 계층을 포함한 모든 계층을 사전 훈련된 가중치로 초기화하는 것은 새로운 분류 작업에 맞지 않는 출력 계층을 사용하는 것이므로 정확도가 낮아집니다.