機械学習の成功を今後推進するのは転移学習である、という意見も出るほど転移学習は有名になってきている。
転移学習は、ある領域で学習させたモデルを、別の領域に適応させて学習させる技術である。一般的には、機械学習には大量の学習データが必要だと言われているが、その学習データを十分に集められない場合にこの転移学習が効果を発揮する。
技術的には、ニューラルネットワークの特徴抽出部分は学習済みのモデルを利用し、そこから出力層までのネットワークは自分のモデルに適応させるようにすることで、特徴抽出の部分を学習させる必要がなくなる。
私は顔画像から性格を推定するようにしているが、まだまだデータが足りないと感じている。今の所精度は低いと思うので、転移学習を行うことで向上するのかを実験で検証する。
まず転移学習には学習済みモデルを探し出す必要がある。私はkerasを使っているので、hdf5ファイルかh5ファイルを探したが見つからなかった。表情を機械学習を行うことで見分けるという研究や探求ページはあったが、ファイルはなかった。
