한 회사에서 데이터 세트의 특정 기능을 사용하여 객체 이미지를 분류해야 합니다. 이러한 요구 사항을 충족하면서 개발 작업이 가장 적게 드는 옵션은 무엇입니다?

가장 적은 개발 노력으로 객체 이미지 분류를 달성하는 가장 효율적인 방법은 사전 훈련된 딥러닝 모델을 사용하는 것입니다. 이러한 모델은 대규모 데이터셋에서 이미 학습되었으므로 강력한 특징 추출 능력을 가지고 있습니다. 회사 데이터셋으로 미세 조정(fine-tuning)하면 특정 요구 사항에 맞게 모델을 빠르게 조정할 수 있어 처음부터 모델을 구축하는 것보다 시간과 리소스가 훨씬 적게 듭니다. 사용자 지정으로 추출된 특징을 사용하는 기존 머신러닝 알고리즘은 특징 추출에 상당한 수동 작업이 필요하며, 딥러닝만큼 복잡한 이미지 특징을 효과적으로 포착하지 못할 수 있습니다. GAN(생성적 적대 신경망)은 주로 데이터 생성에 사용되며 분류에는 적합하지 않습니다. 수동으로 설계된 특징을 사용하는 SVM은 특징 엔지니어링에 많은 노력이 들고, 딥러닝 모델만큼 높은 성능을 달성하기 어렵습니다.