AIFAIとMLの基礎
画像分類モデルを開発する企業では、数百万枚の画像で学習済みのモデルを利用し、自社製品画像数千枚だけで新しい分類器を作成したいと考えています。最も適切な手法はどれですか。
A転移学習を利用して既存モデルを再学習する
✓ 正解
学習済みモデルの特徴抽出能力を利用し、自社データだけを追加学習することで効率よく高精度な画像分類モデルを構築できます。
B毎回ゼロからモデルを事前トレーニングする
ゼロから学習すると大量のデータと計算資源が必要になります。少量データしかない場合には一般的な選択ではありません。
C教師なしクラスタリングだけで分類器を作成する
クラスタリングはラベルなしデータをグループ化する教師なし学習です。ラベル付き画像分類モデルの構築方法としては適切ではありません。
D特徴量を削除して決定木のみで学習する
決定木は表形式データでは有効ですが、画像分類では学習済み深層学習モデルを活用する方が一般的であり性能も期待できます。
解説
大規模データで学習済みの画像モデルを利用し、自社データのみで追加学習する方法は転移学習の典型例です。少量のデータでも高い精度を期待でき、学習時間やコストも抑えられます。一方、ゼロから事前トレーニングするには莫大なデータと計算資源が必要です。クラスタリングは教師なし学習であり分類器そのものではなく、決定木へ単純に置き換える方法も既存の画像特徴を十分活用できません。
ドメイン別正答率・予想スコアでリアルタイムに実力把握
無限ノックでAIFを徹底対策。全問AI生成のオリジナル問題。
無料で演習を始める →