問題 No.804
手元にある特定のタスクに対する画像データが非常に少なく一からディープラーニングモデルを学習させると過学習を起こしてしまうリスクが高い。この課題を解決するためすでに大量のデータで学習を終えた大規模な既存モデルのネットワーク構造と重みを初期値として再利用し新しいタスクのデータに適応させる手法を何と呼ぶか。
【正解の解説】
転移学習
転移学習は、別の大量のデータで学習済みのモデルをベースとして、新しいタスクに合わせて微調整(ファインチューニング)することで、少ないデータでも高性能なモデルを作る手法です。
スポンサーリンク
【その他の選択肢の解説】
自己教師あり学習
自己教師あり学習は、データ自体からラベルを作って学習する手法です。転移学習とは目的や前提が異なります。
蒸留
蒸留は、大きなモデルの知見を小さなモデルに教え込み、性能を維持しつつ軽量化する手法です。
データ拡張
データ拡張は、既存のデータを回転させたり反転させたりして疑似的に増やし、モデルの学習データを増強する手法です。