질문있습니다~

1. 아직까지 기본적인 pretrained 와 config에 대한 개념이 헷갈립니다. 그래서 pretrained 가 정확히 무엇이고 하는 이유가 궁금합니다. inference를 위한 model설정을 위한것인지 아니면 model그 자체인지 궁금합니다.

 

=> pretrained 모델은 사전 학습된 모델입니다. 일반적으로 딥러닝 이미지 모델은 pretrained 모델을 애용합니다. 이유는 모델 성능 향상을 위해서 굉장히 많은 데이터 세트가 필요한데, 기본적으로 클래스별로 몇천장 또는 몇 만장이 필요할 수가 있습니다. 또한 이정도 데이터 세트를 학습하기에는 학습 시간이 매우 오래 걸립니다.

 

그래서 pretrained 모델을 잘 활용합니다. pretrained모델은 이미 학습된 모델을 이용하는 것입니다. 이미지 분류 모델의 경우 대용량의 imagenet 데이터세트로 미리 학습된 모델을 이용합니다. pretrained 모델은 이미 대용량 데이터 세트로 feature map등이 잘 학습 되어 있기 때문에 부족한 데이터 세트로도 상대적으로 좋은 성능을 얻을 수 있습니다.

 

보통 object detection/segmentation에서는 coco 데이터 세트로 미리 학습되어 있는 모델을 활용합니다. 이 coco 데이터 세트도 굉장히 대용량이기 때문에 처음부터 학습하려면 매우 오랜 시간이 걸립니다. 대신 미리 학습된 pretrained 모델을 이용하여 학습 시간을 줄이고 모델 성능도 높일 수 있습니다.

 

2. config파일을 설정하는 이유가 정확히 무엇인지 하는 역할이 무엇인지 궁금하며 config에서 왜 pretrained을 설정하는지 궁금합니다.

=> config 파일이 없으면 모델을 만들기 위한 설정을 코드에 적어 줘야 합니다. 어떤 pretrained 모델을 쓸것인지, optimizer는 무엇으로 해야 할지, learning_rate는 어떻게 해야 하는지등의 다양한 사항을 코드 레벨로 적어 줘야 합니다. 더구나 object detection/segmentation 모델을 일반적인 이미지 분류보다 더 많은 사항을 설정해 줘야 합니다. config를 통해서 간편하게 이를 부분들을 설정할 수 있습니다.

 

3. 그 다음 강의와 관련이 있는건데, train하고 난 후 inference를 할때 정확히 어떤 값으로 inference 하는지 궁금합니다.

=> 질문을 정확히 이해하지는 못했습니다만,

 

inference는 학습된 모델을 이용해서 이미지의 object detection/segmentation을 실제로 수행하는 부분입니다. 이미지를 입력 받으면 학습된 모델의 가중치등을 감안해서 해당 object가 있는 위치, object의 클래스를 예측하는 것입니다.

 

감사합니다.