딥러닝(CNN) 아키텍쳐 개발하고나서 실제 적용은?

Question

딥러닝 아키텍쳐 관련 공부중에 궁금한것이 생겼습니다. CNN분야에서 VGGNET, ResNet등 여러 아키텍쳐가 개발되곤 했지만,본질적으로 공통의 목표는 최적의 Weight, Bias를 구하는거잖아요?(Classfication이든 Detection이든)여기까지는 블로그자료도 있고, 여러가지 참고할게 많아서 이해가 되었습니다. 궁금한 점은, 이렇게 학습완료된 모델을 가지고 실제 제품에 적용하려면어떤 과정을 거치는지?입니다. 예를들면 Deeplab V3으로 PBA생산라인을 촬영하며 불량 PBA를 검출해내는 프로그램을 만든다고 하면사람이 직접 라벨링 해놓은 PBA 이미지를 Deeplab으로 학습시켜서 최적의 Weight, Bias를 찾을것입니다.그리고 이것을 실제 라인에 설치하는 경우학습된 deeplab의 Test코드만 뽑아다가, 정해진(학습된) Weight, bias를 집어넣고검출프로그램에 집어넣으면 되는건가요?? 아무리 찾아도 실제적용을 어떤 방법으로 하는지가 나오질않아서 여기 문의드립니다 ㅠㅠ

페코옹 · Answer

먼저 딥러닝 아키텍처 선택하시고 pretrained된 모델을 받습니다.pretrained된 모델에서 진행하고 있는 프로젝트에 맞게 layer를 변형합니다. 변형된 모델을 새로운 데이터로 다시 학습시킵니다.

페코옹 · Answer

완성된 모델을 api 형태로 서비스하든 하시면 됩니다!

딥러닝(CNN) 아키텍쳐 개발하고나서 실제 적용은?

2개의 답변

Q&A 목록