사전 훈련된 합성곱 신경망 VGG16

( ) 모델은 ImageNet 데이터베이스의 1.4백만 개가 넘는 이미지에 대해 학습된 CNN 모델이다. 이 네트워크는 이미지를 키보드, 연필, 각종 동물 등 1,000개의 클래스로 분류할 수 있다. ( )의 학습 데이터로 사용된 ImageNet 데이터베이스에는 CIFAR-10 데이터에서 사용하고 있는 말, 개구리, 비행기 등과 같은 동물과 사물 이미지를 포함하기 때문에 좋은 성능을 낼 수 있다. 괄호 안에 들어갈 단어는?

• CIFAR-10 모델

• VGG16 모델

• CNN8 모델

• 합성곱 신경망 모델

( )은 기존 학습되어 있는 모델을 기반으로 모델의 구조를 새로운 이미지 데이터의 학습에 적합하도록 변형하고 이미 학습된 모델 가중치로부터 학습을 업데이트 하는 방법이다. 괄호에 들어갈 단어는?

• 미세 조정

• 네트워킹

• 합성곱 신경망

• 완전 연결 신경망

그림은 미세 조정 과정을 나타낸 것이다. (1)에 들어갈 단어는?

• 학습

• 튜링

• 모델

• 동결

그림은 미세 조정 과정을 나타낸 것이다. (2)에 들어갈 단어는?

• 학습

• 튜링

• 모델

• 동결

VGG16 모델을 초기화할 때 ImageNet에서 학습된 가중치를 그대로 가져오고 네트워크의 최상위 완전 연결 분류기를 포함하지 않으려고(False) 한다. 괄호 안에 들어갈 단어로 적절한 것은?

• imagenet

• False

• vgg16

• cifar10

네트워크 미세 조정 단계를 바르게 숫자로 나열하시오. (예: 123)

(1) 기반 네트워크에서 일부 층의 동결을 해제한다.

(2) 동결을 해제한 층과 새로 추가한 층을 함께 학습한다.

(3) 사전에 학습된 기반 네트워크 위에 새로운 네트워크(분류기)를 추가한다.

다음은 일부 상위층만 미세조정 하는 이유를 나열한 것이다. 이 중 옳지 않은 것은?

• 하위 층으로 갈 수록 일반적인 특성을 추출하므로 미세 조정에 대한 효과가 감소한다.

• 새로운 문제에 재활용할 때 수정이 필요한 것은 구체적인 특성에 해당하므로 이들을 미세조정하는 것이 바람직하다.

• 학습해야 할 파라미터가 많을수록 과소적합의 위험커진다.

• 작은 데이터 세트로 전체를 학습하려고 하는 것은 매우 위험한 일이다.

그림에서 학습 대상(미세조정)이 되는 층은?

• block1_conv1

• block2_conv2

• block3_conv3

• block4_pool

• block5_conv3

VGG16 하위 층 중 block4 부터 학습 시키기 위해 괄호 안에 들어갈 단어는?

• block1_pool

• block2_conv1

• block3_pool

• block4_conv1

• block5_conv2

미세조정을 마친 conv_base를 완전연결망에 주입하여 새로운 모델을 쌓는 과정을 바르게 나열하시오. (예: 54321)

(1) model.add(Flatten())

(2) model = Sequential()

(3) model.add(conv_base)

(4) model.add(Dense(256, activation = 'relu'))

(5) model.add(Dense(10, activation = 'softmax'))