naver.HOW data lake by AI

MobileNetV2 클래스 분류 개수

작성자

sp

in"의 한국어 번역은 "안"입니다.

MobileNetV2는 사전 훈련된 모델의 경우 기본적으로 1000개의 클래스를 분류할 수 있습니다123. 이는 ImageNet 데이터셋을 기반으로 훈련되었기 때문이며, ImageNet은 1000개의 클래스로 구성되어 있습니다45.

기본 설정

MobileNetV2의 기본 구현에서는 다음과 같은 설정을 가집니다:

  • ImageNet 사전 훈련 모델: 1000개 클래스16
  • Hugging Face 모델: 실제로는 1001개 클래스 (추가 “배경” 클래스 포함)2
  • 기본 입력 크기: 224×224×3 픽셀78

커스텀 클래스 개수 설정

MobileNetV2는 전이 학습을 통해 이론적으로 제한 없이 다양한 개수의 클래스로 분류할 수 있습니다. 실제 사용 예시들을 보면:

소규모 분2개 클래스: 바이너리 분류 (남성/여성 고양이 분류)910

  • 4개 클래스: 의료 영상 분류11
  • 5개 클래스: 과일 분류 (사과, 바나나, 포도, 망고 등)12
  • 6개 클래스: 차량 분류13
  • 10개 클래스: 일반적인 분류 작업141516

프레임워크별 구현 방법:

PyTorch:

pythonimport torchvision.models as models
# 10개 클래스로 설정
model = models.mobilenet_v2(num_classes=10)

# 또는 사전 훈련된 모델의 분류기 수정
model = models.mobilenet_v2(pretrained=True)
model.classifier[1] = nn.Linear(1280, 10)

Keras/TensorFlow:

pythonfrom keras.applications import MobileNetV2
# 커스텀 클래스 개수로 설정
model = MobileNetV2(classes=num_classes, weights=None)

# 또는 사전 훈련된 모델 활용
base_model = MobileNetV2(weights='imagenet', include_top=False)
# 커스텀 분류 레이어 추가

실제 제한 사항

MobileNetV2의 클래스 개수에 대한 실질적인 제한은 다음과 같습니다:

  1. 메모리 제약: 클래스 수가 증가하면 최종 Dense 레이어의 파라미터가 증가11
  2. 데이터 요구량: 클래스가 많을수록 각 클래스당 충분한 훈련 데이터 필요
  3. 하드웨어 성능: 모바일 기기에서의 추론 속도 고려

따라서 MobileNetV2는 기본적으로 1000개 클래스를 분류하도록 설계되었지만, 전이 학습을 통해 2개부터 수천 개까지 다양한 개수의 클래스로 분류하도록 조정할 수 있습니다. 실제 적용 시에는 사용 목적과 하드웨어 제약을 고려하여 적절한 클래스 개수를 선택하는 것이 중요합니다.

  1. https://wn42.tistory.com/47
  2. https://huggingface.co/docs/transformers/en/model_doc/mobilenet_v2
  3. https://keras.io/api/applications/mobilenet/
  4. https://deeplearning.cms.waikato.ac.nz/user-guide/class-maps/IMAGENET/
  5. https://resources.wolframcloud.com/NeuralNetRepository/resources/MobileNet-V2-Trained-on-ImageNet-Competition-Data/
  6. https://docs.openvino.ai/2023.3/omz_models_model_mobilenet_v2.html
  7. https://pythontutorials.eu/deep-learning/image-classification/
  8. https://stackoverflow.com/questions/65153063/how-can-mobilenetv2-have-the-same-number-of-parameters-for-different-custom-inpu/65417467
  9. https://pythontutorials.eu/deep-learning/transfer-learning/
  10. https://stackoverflow.com/questions/67751080/unable-to-modify-mobilenet-model-for-2-class-classification
  11. https://pmc.ncbi.nlm.nih.gov/articles/PMC11679759/table/sensors-24-08052-t004/
  12. https://www.kaggle.com/code/utkarshsaxenadn/fruit-classification-mobilenetv2-acc-95
  13. https://www.youtube.com/watch?v=EHkbznaB2rY
  14. https://stackoverflow.com/questions/57285224/fine-tuning-pretrained-model-mobilenet-v2-in-pytorch
  15. https://stackoverflow.com/questions/58667646/i-tried-to-train-an-image-classifier-based-on-mobilenetv2-but-loss-has-not-been
  16. https://discuss.pytorch.org/t/fine-tune-mobilenet-v2/52140
  17. https://roboflow.com/model/mobilenet-v2-classification
  18. https://scisharp.github.io/Keras.NET/api/Keras.Applications.MobileNet.MobileNetV2.html
  19. https://velog.io/@pre_f_86/MobileNet-V2-%EB%85%BC%EB%AC%B8-%EB%A6%AC%EB%B7%B0
  20. https://discuss.pytorch.org/t/adding-layers-to-mobilenetv2/86393
  21. https://gaussian37.github.io/dl-concept-mobilenet_v2/
  22. https://huggingface.co/docs/transformers/v4.37.1/model_doc/mobilenet_v2
  23. https://ech97.tistory.com/entry/MobileNetV2
  24. https://github.com/w5688414/Keras-MobileNetV2-Image-classification
  25. https://stackoverflow.com/questions/69983272/mobilenetv2-is-giving-good-results-during-training-and-validation-but-when-test
  26. https://velog.io/@sour_grape/%EC%9D%8C%EC%95%85-%EB%B6%84%EB%A5%98-%EB%94%A5%EB%9F%AC%EB%8B%9D%EC%9D%84-%EB%A7%8C%EB%93%A4%EC%9E%9014-mobileNetV2-%EA%B5%AC%ED%98%84
  27. https://www.kaggle.com/code/matthewweisberg/98-3-accuracy-mobilenetv2-transfer-learning
  28. https://mvcv.tistory.com/23
  29. https://hyunhp.tistory.com/372
  30. https://www.sciencedirect.com/topics/computer-science/mobilenetv2
  31. https://way24.tistory.com/31
  32. https://github.com/justinliu23/mobilenetv2-transfer-learning
  33. https://blog.csdn.net/weixin_45377629/article/details/124667666
  34. https://blog.roboflow.com/how-to-train-mobilenetv2-on-a-custom-dataset/
  35. https://cocalc.com/github/leechanwoo-kor/coursera/blob/main/deep-learning-specialization/course-4-convolutional-neural-network/Transfer_learning_with_MobileNet_v1.ipynb
  36. https://github.com/dusty-nv/jetson-inference/issues/585
  37. https://www.youtube.com/watch?v=c-S7AtUTnFU
  38. https://www.kaggle.com/code/mgiraygokirmak/mobilenetv2
  39. https://stackoverflow.com/questions/50918521/train-mobilnet-v2-with-transfer-learning-in-tensorflow
  40. https://tensorflow.rstudio.com/reference/keras/application_mobilenet_v2.html
  41. https://www.mdpi.com/2071-1050/15/3/1906
  42. https://github.com/tonylins/pytorch-mobilenet-v2/blob/master/README.md
  43. https://mmpretrain.readthedocs.io/en/latest/api/generated/mmpretrain.models.backbones.MobileNetV2.html
  44. https://pytorch.org/vision/main/models/generated/torchvision.models.mobilenet_v2.html
  45. https://stackoverflow.com/questions/78688705/mobilenetv2-transfer-learning
  46. https://paperswithcode.com/sota/image-classification-on-imagenet
  47. https://pytorch.org/vision/2.0/models/generated/torchvision.models.quantization.mobilenet_v2.html
  48. https://github.com/keras-team/keras-applications/issues/169
  49. https://stackoverflow.com/questions/69812600/pretrained-cnn-mobilenet-v2-output-shape
  50. https://docs.pytorch.org/vision/stable/_modules/torchvision/models/mobilenetv2.html
  51. https://github.com/d-li14/mobilenetv2.pytorch

코멘트

답글 남기기

이메일 주소는 공개되지 않습니다. 필수 필드는 *로 표시됩니다

더 많은 게시물