領域検出における、新規学習と追加学習の違いについて教えてください。
学習データセット①、学習データセット②を用意(不良種類は同じ)
１．初めに学習データセット①を使用し学習したネットワークを用いて評価を実施。
２．評価より、学習不足が考えられる。
３．学習データセット②を追加で学習させたい。
この場合に、新規で学習しなおす方法と、追加学習を行うのとではどのような違いがあるのか、
どちらの手法が適切なのか、ご教示ください。
よろしくお願いいたします。
「いいね！」 2
不良の種類が同じ場合、追加学習を行わせるのが良いと思います！
(※アノテーションのルールも同じ場合)
新規で学習する場合は、初期値がリセットさせて最初からの学習(欠陥の特徴を何も知らない状態)となりますが
追加学習の場合は、前の学習時の欠陥特徴である程度パラメータ(重み)が最適化されている状態からの開始が可能になります。
いわゆる「ファインチューニング」を行う形になります。
追加学習のイメージはこちらにも似たトピックあるので、参考までにご確認いただけますと幸いです！
「いいね！」 1
回答ありがとうございます。
似たトピックの存在を見落としていました。失礼いたしました。
重みづけされたネットワークに対してファインチューニングする、よく理解できました。
ありがとうございます。
「いいね！」 1