ディープラーニングの概要と手法
少量の医用画像データしか用意できない状況で、限られた開発期間内に高精度な画像分類モデルを構築したい。このとき最も適切なアプローチはどれか。
- ✓大規模な画像データセットで事前学習済みのモデルを用意し、手元のデータでファインチューニングして転移学習を行う
- Bパラメータをすべてランダムな値で初期化したモデルを、手元の少量データのみでゼロから学習させる
- C学習を一切行わず、あらかじめ定めたルールに基づいて画像を分類する
- D検証データを訓練データにそのまま含めて学習させ、見かけ上の精度を高める
解説
手元のデータが少ない場合、大規模データで事前学習済みのモデルの知識を転用し、少量のデータでファインチューニングする転移学習が有効である。ゼロから学習すると少量データでは十分な精度が得られにくい。
根拠シラバス項目: ディープラーニングの応用例 - 転移学習・ファインチューニング