• 개선사항 - 정확성을 유지하면서
  • 작은 모델 사이즈
  • 적은 훈련 데이터
  • 더 다양해진 커스텀 옵션
• Xcode에 딸려오는 Create ML 앱을 사용할 수 있다.
• Input Data는 폴더 안에 들어가 있어야 한다.
  • 데이터와 어노테이션으로 구성
    • 데이터는 여러 파일, 어노테이션은 한 파일에 JSON으로 선언
  • Object Detection에서는 라벨, 좌표, 크기로 표시해준다.
• 훈련 매개변수
  • 알고리즘
    • Full Network: YOLOv2 기반
      • 모든 파라미터를 16비트 크기로 저장
      • 크기를 기존의 절반 수준으로 줄임
      • 데이터가 200개 이상일 때 사용
      • 하위 버전에 대한 호환성이 있다.
    • Transfer Learning
      • 시스템 포토앱에 이미 적용된 알고리즘을 활용함(Object print)
      • 네트워크의 일부만(head network) 훈련시키기 때문에 모델 사이즈를 극적으로 줄일 수 있음
      • 적은 데이터만으로도 사용 가능
      • iOS 14부터 사용 가능
  • Iteration: 파라미터가 업데이트 되는 횟수
  • Batch size: 한번의 Iteration에서 사용하는 데이터 수. 기본적으로 하드웨어의 제약으로 맞춰짐
  • grid size: 이미지를 분할하는 단위. 이렇게 분할된 이미지는 셀이라고 하며, 각 셀에서 물체를 찾음
    • 그리드 기준으로 이미지가 잘림
    • 네트워크는 셀에서 1개 이상의 물체를 찾음
    • 그리드 사이즈가 조밀할 수록 정확도가 늘어남 → 당연히 계산량도 늘어나고...
• create ML앱에서 훈련 가능
  • 매 iteration 단계마다의 결과를 볼 수 있다.
  • 좋은 훈련 결과는 지정된 라벨링과 예측 결과의 교집합이 threshold 이상이여야 한다.