计算机视觉-学习系列-真的是会连载的2
第二章: 微调
根据上章我们提到的收集数据是很耗金钱和时间的,如果我们每次训练新的事物都去这么做那就真的得不偿失了,上章也说了现在有小样本训练的解决办法,但是出来的精确度还是比不上传统深度学习方法的,那有没有什么办法可以即有和小样本一样的成型速度和相当高的精确度呢?有一个解决方案迁移学习(transfer learning).它的能力是把在另一个数据集学到的知识迁移到我们想要的目标的数据集,也就是我们会在已有的一版数据集上再训练,这样既既解决了训练样本数量稀少的问题,也解决了精度的问题,因为在已有的一版数据中会取得更加通用的图像特征,而不单单是新数据独特的特征(因为样本小,可能会过拟合现象),而这些特征能够更有效的识别目标
其中最经典的方法就是微调(fine-tuning)