大量の一般画像であらかじめ学習させたモデルを土台とし、少量の自社製品画像を用いて追加学習を行うことで、製品の不良品検知という別のタスクに利用した。このように、あるタスクで獲得した知識を別のタスクに活用する手法として、最も適切なものはどれか。
- 1転移学習
- 2データ拡張
- 3アンサンブル学習
- 4次元削減
正解と解説を見る
正解：1
あるタスクで学習済みのモデルの知識を、別のタスクに流用する手法は転移学習と呼ばれ、学習済みモデルを追加学習させるファインチューニングはその代表的な方法です。データ拡張は、画像の回転や反転などでデータを水増しして学習データを増やす手法で、別タスクへの知識の流用ではありません。アンサンブル学習は複数のモデルの予測を組み合わせて精度を高める手法、次元削減は特徴量の数を減らしてデータを扱いやすくする手法です。覚えておきたいのは、転移学習を使えば少量のデータでも新しいタスクで高い性能を得やすいという点です。