다음 그림은 테스트 데이터셋을 이용한 예측 결과를 이미지로 출력한 결과입니다.

▲ 그림 6-34 테스트 데이터셋에 대한 ResNet 모델의 예측 결과

역시 정확도가 높지 않습니다. 계속 이야기하지만 성능을 향상시키려면 데이터를 더 늘려야 합니다. 책에서는 학습 용도로 CNN의 다양한 모델을 어떻게 사용하는지에 집중했습니다. 즉, 네트워크 위주의 학습을 위해 일부로 동일한 데이터셋을 사용했습니다. 따라서 이 장에서는 CNN의 다양한 모델의 네트워크 구성 위주로 학습하는 것을 권장합니다. 성능 향상 관련해서는 8장을 참고하세요.

컴퓨터 비전 분야에서 객체를 분류하는 방법에 대해 감이 좀 오나요? 중요한 것은 모델을 학습하기 위한 데이터입니다. 신경망(혹은 네트워크)은 이미 구현된 모델을 재사용할 수 있는 것이 많기에 우리는 단지 누군가가 만들어 놓은 신경망을 가져다 쓰기만 하면 됩니다. 중요한 점은 내가 가진 데이터에 가장 적합한 모델을 선택하는 것입니다. 이후에는 앞서 배운 전이 학습을 사용하여 약간의 튜닝만 진행하면 됩니다.

다음 절에서는 객체 인식에 대해 살펴보겠습니다.