안녕하세요 강사님! 데이터 증강 관련해서 2가지 질문이 있습니다. 먼저, 제가 다루고 있는 이미지 데이터가 ok/ng 2분류 데이터인데, ng 데이터가 적은 불균형 데이터입니다. 강의에서 설명해주신 데이터 증강은 불균형보단 데이터셋 전체 크기가 작은 상황을 가리키는 것 같은데요. 가지고 있는 데이터가 불균형을 이룰 경우 데이터 증강을 어떤 식으로 사용해야 하는지 궁금합니다. ng 데이터만 따로 증강을 적용해서 해당 이미지들을 저장하여 학습시켜야 할까요? 두 번째 질문은.. 데이터 증강을 적용했을 때 얼마나 더 많은 이미지를 변형시켜 만들어내는지는 model을 학습시킬 때 지정한 파라미터 epochs를 통해 판단하면 되나요? ImageDataGenerator를 통해 변형을 시켰지만, 얼마나 더 많은 이미지를 만들어냈는지는 잘 모르겠습니다.
안녕하세요 선생님, object detection 강의를 듣다가 최근 선생님께서 cnn에 대한 강의를 개설하신 것을 보고 수강신청한 대학원생입니다. 제 전공분야는 컴퓨터공학은 아니고 자연과학 쪽인데, 최근 나무 수피를 이용한 수종 자동 분류모델을 만드는 연구를 진행하고 있습니다. 궁금한 점은, 제가 pre-trained된 VGG, resNet 등의 모델을 활용하고자 하는데, 이들 모델의 뼈대만 가져와서 weights가 초기화된 상태에서 새로 훈련을 시킬지, 아니면 마지막 classification layer만 새로 만들고 weights는 ImageNet weight를 가져와서 fine-tuning을 할지, 어떤 것이 좋을지 선생님의 고견을 여쭙고 싶습니다. 그냥 제 직관적으로는, ImageNet은 애초에 나무 수종과는 관련없는 것들로 훈련되었기 때문에 아예 weights도 초기화시켜서 훈련시키는 것이 나을 꺼 같기는 한데, 이 부분에 대한 의견을 여쭙고 싶습니다 :) 마지막으로, 제가 현재 구글 이미지 크롤링과 제가 직접 수집한 나무 사진들로 모델을 훈련시키고자 하는데, ImageDataGenerator 데이터 증대 후, 약 50,000장의 이미지가 훈련 이미지로 input될 것 같습니다. 이정도의 이미지로 완전 초기화된 모델을 훈련시키는데 충분한지도 궁금합니다! 좋은 강의 만들어주셔서 진심으로 감사드립니다!!
