50분
Transfer Learning 실습: ResNet50으로 불량 분류
Day 2: CNN 기반 불량 분류
Transfer Learning 실습: ResNet50으로 불량 분류
비전 AI — 제조 외관검사 시스템 > Day 2: CNN 기반 불량 분류
학습 목표
사전학습된 ResNet50을 불러와 마지막 층을 교체할 수 있다 PyTorch로 제조 이미지 분류 모델을 학습할 수 있다 학습 곡선을 분석하여 과적합 여부를 판단할 수 있다
Transfer Learning으로 불량 분류 모델 만들기
사전학습된 ResNet50의 특징 추출기는 그대로 두고, 마지막 분류 층만 제조 불량 분류용으로 교체한다.
학습 전략
[2단계 학습 전략]
Phase 1: Feature Extractor 고정 (10 에포크)
- ResNet50 전체 가중치 고정 (freeze)
- 새로운 FC 층만 학습
- 학습률: 0.001
Phase 2: Fine-tuning (10 에포크)
- Layer4 이후 가중치 해제 (unfreeze)
- 전체 미세 조정
- 학습률: 0.0001 (10배 낮춤)에디터 로딩 중...
핵심 포인트
- • Transfer Learning은 2단계: FC층 학습 → Fine-tuning
- • ImageNet 사전학습 가중치를 활용하면 소량 데이터로 높은 성능 달성
- • Fine-tuning 시 학습률을 10배 낮춰야 기존 가중치 파괴 방지
- • 학습 곡선에서 train/val 격차가 크면 과적합 의심
AI로 학습하기 — 꿀팁
🤖에이전트로 분류 모델 코드 점검하기AI 학습 팁
AI 에이전트에게 전이학습 코드를 짜게 한 뒤, 과적합 방지·클래스 불균형 처리가 됐는지 검증하세요.
ResNet50 전이학습으로 제조 불량 이미지를 분류하는 PyTorch 코드를 작성하고, 클래스 불균형과 과적합을 어떻게 처리했는지 설명해줘.
이 팁이 도움이 됐나요?
실습 — 직접 해보기
🧪Vision Inspector
이미지를 올려 AI 외관검사(불량 분류)를 직접 실행해보세요