안녕하세요 선생님, object detection 강의를 듣다가 최근 선생님께서 cnn에 대한 강의를 개설하신 것을 보고 수강신청한 대학원생입니다. 제 전공분야는 컴퓨터공학은 아니고 자연과학 쪽인데, 최근 나무 수피를 이용한 수종 자동 분류모델을 만드는 연구를 진행하고 있습니다. 궁금한 점은, 제가 pre-trained된 VGG, resNet 등의 모델을 활용하고자 하는데, 이들 모델의 뼈대만 가져와서 weights가 초기화된 상태에서 새로 훈련을 시킬지, 아니면 마지막 classification layer만 새로 만들고 weights는 ImageNet weight를 가져와서 fine-tuning을 할지, 어떤 것이 좋을지 선생님의 고견을 여쭙고 싶습니다. 그냥 제 직관적으로는, ImageNet은 애초에 나무 수종과는 관련없는 것들로 훈련되었기 때문에 아예 weights도 초기화시켜서 훈련시키는 것이 나을 꺼 같기는 한데, 이 부분에 대한 의견을 여쭙고 싶습니다 :) 마지막으로, 제가 현재 구글 이미지 크롤링과 제가 직접 수집한 나무 사진들로 모델을 훈련시키고자 하는데, ImageDataGenerator 데이터 증대 후, 약 50,000장의 이미지가 훈련 이미지로 input될 것 같습니다. 이정도의 이미지로 완전 초기화된 모델을 훈련시키는데 충분한지도 궁금합니다! 좋은 강의 만들어주셔서 진심으로 감사드립니다!!

안녕하세요 from keras.applications.vgg16 import VGG16 keras 내부에 있는 VGG16을 사용하려고 하는데, 만일 이미지 사이즈가 512x512라면 이를 그대로 shape를 넣어서 진행해도 되나요? 아니면 224x224로 줄여서 넣어줘야 하나요? train 과정은 곧잘 동작은 하는데, imagenet weight에 맞는지 잘 모르겠네요