• 21.01.06 딥러닝 프로젝트 [ Stanford Dog Dataset을 이용한 ResNet 모델의 레이어 수에 따른 성능 비교 ]

Stanford Dog Dataset 다운로드 링크 : http://vision.stanford.edu/aditya86/ImageNetDogs/

A. 코드 간략하게 설명 (TransferLearning.py 내에 main함수 있음)

1. ResNet 모델의 레이어 수에 따른 성능 비교
   (main함수 코드)
   model_ft = models.resnet18(pretrained=True) # resnet18 모델로 학습
   model_ft = models.resnet50(pretrained=True) # resnet50 모델로 학습
   model_ft = models.resnet152(pretrained=True) # resnet152 모델로 학습
   
2. 전이학습 여부에 따른 성능 비교
   (main함수 코드)  
   model_ft = models.resnet18(pretrained=True) # 전이학습을 진행하는 경우
   model_ft = models.resnet18(pretrained=False) # 전이학습을 진행하지 않는 경우

3. 매개변수 고정 여부에 따른 성능 비교
   (main함수 코드)
   for param in model_ft.parameters():  # 마지막 계층을 제외한 매개변수를 고정하는 경우
      param.requires_grad = False

B. 실험결과

1. ResNet 레이어 수에 따른 결과
   층이 깊어질수록 성능이 좋아진다.
   
2. 전이학습 여부에 따른 결과
   전이학습을 진행한 경우 전이학습을 진행하지 않은 경우보다 성능이 향상된다. 
   
3. 매개변수 고정 여부에 따른 결과
   대체로 매개변수를 고정하지 않은 경우의 결과가 더 좋다.