VGG16を転移学習させて「まどか☆マギカ」のキャラを見分ける
画像検索で拾った画像を約80%の精度で見分けることができた。 VGG16を転移学習させたモデルで予測した画像 ちなみにキャラクターは、 homura(暁美ほむら) かわいいよほむほむ。 kyoko(佐倉杏子) madoka(鹿目まどか) mami(巴マミ) sayaka(美樹さやか) #転移学習とは 例えば、CNN(Convolutional Neural Network)で画像認識などを一からモデル構築するとなると、大量のサンプル画像を集めなければいけないですし、さらに学習にも多くの時間がかかります。 転移学習では、すでに学習済みのモデルを使って、より少ない画像、より短時間で学習モデルを構築することを目指します。 VGG16という学習モデルを例にしてみます。 引用：少ない画像から画像分類を学習させる方法（kerasで転移学習：fine tuning） VGG16は13層の畳み込み層と3層
Keras / Tensorflowで転移学習を行う - Qiita
概要 Keras(Tensorflowバックエンド)で、画像認識の分野で有名なモデルVGG16を用いた転移学習を行いました。 そもそもディープラーニングとは？Kerasって何？という方は、こちらの記事をご参照下さい。 転移学習とファインチューニングの違い 転移学習とファインチューニングは、どちらも既存のモデル(今回はVGG16)を応用したディープラーニングの学習方法です。その為この２つはよく混同されていますが、厳密には異なります。 参考：Quora: What is the difference between transfer learning and fine tuning? ざっくりと説明すると、違いは以下になります。 転移学習：既存の学習済モデル（出力層以外の部分）を、重みデータは変更せずに特徴量抽出機として利用する。 ファインチューニング：既存の学習済モデル（出力層以外の部分）を
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
