전이 학습은 모델이 한 문제를 해결하면서 얻은 지식을 다른 관련 문제에 적용할 수 있도록 하는 머신러닝의 강력한 기술입니다. 전이 학습은 매번 모델을 처음부터 훈련하는 대신 미리 훈련된 모델을 활용하므로 시간과 리소스를 절약하고 특히 새로운 작업에 대한 데이터가 제한되어 있는 경우 성능을 향상시킬 수 있습니다. 이 접근 방식은 특히 컴퓨터 비전과 자연어 처리 등 다양한 분야에서 보다 효과적이고 효율적인 AI 시스템을 구축하기 위해 널리 사용되고 있습니다.
전이 학습의 핵심 아이디어는 대규모 데이터 세트에서 모델이 학습한 특징을 새로운 소규모 데이터 세트에 활용하는 것입니다. 일반적으로 모델은 이미지 분류와 같은 일반적인 작업을 위해 이미지넷과 같은 대규모 데이터 세트에서 먼저 훈련됩니다. 이 사전 훈련 단계를 통해 모델은 데이터에서 기본적인 특징과 패턴을 학습할 수 있습니다. 그런 다음 새로운 관련 작업에 대해 사전 학습된 모델의 가중치를 시작점으로 사용합니다. 미세 조정이라고도 하는 이 두 번째 단계에서는 새로운 작업별 데이터 세트에 대해 모델을 추가로 학습시킵니다. 종종 모델의 마지막 레이어만 재학습되고 일반적인 특징을 학습한 이전 레이어는 고정된 상태로 유지되거나 낮은 학습률로 훈련됩니다.
이 방법은 심층 신경망의 초기 계층이 일반적인 특징(예: 이미지의 가장자리, 질감)을 학습하는 경향이 있기 때문에 특히 효과적이며, 이는 서로 다르지만 관련된 작업에 걸쳐 이전할 수 있는 경우가 많습니다. 이러한 학습된 특징을 재사용함으로써 전이 학습은 각각의 새로운 문제에 대한 광범위한 데이터와 계산 리소스의 필요성을 줄여줍니다.
전이 학습은 다양한 영역에 걸쳐 적용됩니다. 다음은 몇 가지 구체적인 예입니다:
의료 이미지 분석: 의료 이미지 분석에서는 특정 질병에 대한 데이터 세트가 작고 수집하기 어려울 수 있습니다. 전이 학습을 사용하면 일반 이미지 데이터 세트에 대해 사전 학습된 모델을 엑스레이에서 종양을 감지하거나 MRI 스캔에서 장기를 세분화하는 등의 작업에 효과적으로 미세 조정할 수 있습니다. 이는 의료 분야에서의 AI 적용에서 강조되는 것처럼 진단 정확도와 효율성을 향상시키는 데 매우 중요합니다.
특정 도메인에서의 객체 감지: 일반적인 객체 감지를 위한 대규모 데이터 세트가 존재하지만, 특수한 애플리케이션에서는 고유한 맥락에서 특정 객체를 감지하기 위한 모델이 필요한 경우가 많습니다. 예를 들어, 농업 분야의 컴퓨터 비전에서는 광범위한 객체 감지 데이터 세트에 대해 사전 학습된 모델을 미세 조정하여 농업 이미지에서 특정 유형의 농작물이나 해충을 감지할 수 있습니다. 이 접근 방식은 데이터 수집이 까다롭고 도메인별 전문 지식이 중요한 정밀 농업과 같은 애플리케이션에 특히 적합합니다. Ultralytics YOLO 다음과 같은 모델은 YOLOv8 와 같은 모델은 사전 학습된 가중치와 미세 조정 기능을 활용하여 다양한 물체 감지 작업을 위한 전이 학습에 자주 사용됩니다.
Ultralytics YOLO 모델은 전이 학습을 통해 쉽게 조정할 수 있도록 설계되었습니다. 사용자는 YOLOv5, YOLOv8, YOLOv11과 같은 모델에 대해 Ultralytics HUB에서 제공되는 사전 학습된 가중치를 쉽게 활용할 수 있습니다. 사용자 지정 데이터 세트에서 이러한 사전 학습된 모델을 미세 조정하여 특정 객체 감지, 세분화 또는 분류 작업에서 높은 성능을 빠르게 달성할 수 있습니다. Ultralytics HUB 클라우드 트레이닝 기능은 이 프로세스를 더욱 간소화하여 사용자가 복잡한 설정 없이 클라우드 환경에서 모델을 훈련하고 미세 조정할 수 있게 해줍니다. 또한 미세 조정 중에 하이퍼파라미터 튜닝과 같은 기술을 적용하여 특정 작업에 맞게 모델의 성능을 더욱 최적화할 수 있습니다.
전이 학습은 최신 머신 러닝의 초석으로, AI 모델 개발의 효율성과 효과에 큰 영향을 미칩니다. 사전 학습된 모델의 지식을 재사용함으로써 AI를 대중화하여 특히 데이터나 컴퓨팅 리소스가 제한된 시나리오에서 더 광범위한 애플리케이션에 더 쉽게 접근하고 실용적으로 사용할 수 있도록 합니다. 개발을 가속화하고 모델 성능을 개선하는 기능 덕분에 AI 환경에서 없어서는 안 될 필수 도구가 되었습니다.
