티스토리 뷰
Work/Data Science|Machine;Deep Learning
다른 도메인에 대한 Transfer learning 적용
Insight Miner 2022. 7. 21. 08:46반응형
일반적으로 Transfer learning은 source domain과 target domain이 유사해야 잘 적용되는 것으로 알려져있다.
그러나 제조업 양불 판정 classifer를 개발하던 중, imagetnet pretrained model을 transfer learning 하는 게 정말 성능이 별로일까 해서 적용해봤다. 결론은 성공적이었다.
이유를 찾다가 아래 기술 블로그 및 논문 자료를 찾게 되었으니 참고하길 바란다.
- 세이지 리서치(saige research) 기술 블로그
Transfer Learning for Industrial Visual Inspection | SaigeResearch
Transfer Learning for Industrial Visual Inspection | SaigeResearch
SaigeResearch
saige.ai
반응형
'Work > Data Science|Machine;Deep Learning' 카테고리의 다른 글
ocrpy: Unified interface to google vision, aws textract, azure, tesseract and other OCR tools (0) | 2022.08.24 |
---|---|
[책] Applied Machine Learning Explainability Techniques (0) | 2022.08.23 |
What Did My AI Learn? How Data Scientists Make Sense of ModelBehavior (0) | 2022.08.22 |
A Benchmarking Toolkit for Time Series Anomaly Detection Algorithms (0) | 2022.08.22 |
파이썬 Pairplot에서 대각성분(kdeplot)만 보기 (0) | 2021.05.24 |
댓글
반응형
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- 파이썬
- Domain
- explainability
- bashrc
- causality
- AI
- detection
- learning
- export
- 제조
- ML
- dowhy
- TimeSeries
- machine
- transformer
- tutorial
- mask
- import
- anomaly
- Bbox
- Python
- github
- rcnn
- XAI
- vision
- 서현
- 맛집
- error
- segmentation
- Semantic
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
글 보관함