はじめに
皆さん、新年あけましておめでとうございます。2019年もよろしくお願いします。さて2019年の初投稿として何がいいのかと思ったところ今回は転移学習について紹介させて頂きたいと思います。
転移学習とは
転移学習について説明する前にこれから出て来る用語やそもそもAIの分野に知識なない方もいらっしゃると思いますのでこちらを参考にして下さい。
【AI】AIと機械学習そして深層学習(ディープラーニング)
以下はウィキペディアからの定義です。
Transfer learning is a research problem in machine learning that focuses on storing knowledge gained while solving one problem and applying it to a different but related problem.[1] For example, knowledge gained while learning to recognize cars could apply when trying to recognize trucks. This area of research bears some relation to the long history of psychological literature on transfer of learning, although formal ties between the two fields are limited.
簡単に言うとある領域のデータで学習したモデルを似ている別の領域の対象にも適用ができるっていうことです。一つ例を作って見てみましょう。
転移学習をしない場合はそれぞれのデータに対する前処理と学習を行う必要があります。完全に別の領域のデータであれば左の図のパターンが正しいですが例のように車とトラックは似ているのでわざわざ2回の学習を行う必要はありません。ここで転移学習を行い最初車を学習させたモデルでトラックの識別も可能になります。
転移学習のドメイン
転移学習をする際にはある領域のデータで学習を行います。それのためまずドメインを定義する必要があります。ドメイン＝学習させるある領域で分かれば大丈夫です。上記の例の場合だと車というのがドメインになりますね
転移学習のメリット
分かった通りに転移学習は一度学習させたモデルで別の領域への適用もできますので少ない量で高い精度を得られるのができます。全体的に考えるとデータの量が少ないですが、実際学習する際には多くのデータの量が必要になりますのでそれに注意する必要があります。
まとめに
ここでは転移学習の本当基礎的な部分しか載せてないです。皆さんに情報共有が目的でありますけれどもブログを専門にする者ではないのでメモレベルになります。本当申し訳ございません。でも個人的にお願いしているのはまずここで簡単に分かった上で皆さん自分からもっと深く勉強できたらいいなっていう風に思っております。もし情報が足りないですとか情報が間違えましたとかコメント残して下さればすぐ編集するのでよろしくお願いします