分類問題でバイナリモデルかマルチクラスモデルのどちらを使うかを判断するには、データ内のクラス数を把握する必要があります。Torch のデータセットはワークスペース内で train_dataset として利用できます。
train_dataset
train_dataset のクラス数を踏まえると、どの画像分類タスクが適切でしょうか。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
CNN を用いた画像分類、二値分類と多クラス分類モデルの違い、そして PyTorch で転移学習を使って画像分類を行う方法を学びます。
現在の演習
画像内の物体をバウンディングボックスで予測して検出し、物体認識モデルの性能を評価します。
画像セグメンテーションの3種類(セマンティック、インスタンス、パノプティック)とその活用例、そしてそれぞれに適した Machine Learning モデルのアーキテクチャを学びます。
Generative Adversarial Networks (GANs) でまったく新しい画像を生成します。Deep Convolutional GAN を構築・学習させ、出力の品質と多様性を評価する方法を学びます。