안녕하세요. 전이학습을 통해 Cifar10 dataset을 Vgg16 모델에서 미리 훈련된 ImageNet 가중치를 로드하여 학습을 시키려고 하는데, 아래와 같이 모델을 구성하게 되면 훈련을 진행할 수는 있지만 전이학습의 이점을(빠른 학습 속도) 얻는 것이 어렵지 않나 생각이 되어 질문드립니다. 또한 의문이 드는 것은 VGG16의 원래 모델에서의 input size는 224 x 244 x 3로 알고 있는데 Cifar10의 image_size는 32 x 32 x 3 이라 너무 이미지가 작아서 잘 학습이 안되는 것 같다는 생각이 듭니다. 혹시 Cifar10의 이미지를 upsampling 하는 방법이나 accuracy를 높일 수 있는 다른 방법이 있을까요?   from tensorflow.keras.optimizers import RMSprop conv_base = VGG16(weights = 'imagenet', input_shape=(32, 32, 3), include_top=False) def build_model_with_pretrained(conv_base): model = Sequential() model.add(conv_base) model.add(Flatten()) model.add(Dense(256, activation= 'relu')) model.add(Dense(1, activation= 'sigmoid')) model.compile(loss = 'binary_crossentropy', optimizer = RMSprop(learning_rate = 2e-5), metrics = ['accuracy']) return modelmodel = build_model_with_pretrained(conv_base) model.summary()

mmdetection - data pipeline에서  resize 관련된 부분에서  img_scale = (1333, 800) 의미가 어떻게 되는 궁금합니다. 

" resize : 창의 최대화 버튼 또는 창의 크기를 조절할때마다 실행 ex) resize안한때 : bodyHeight 1000 - window.innerHeight 100 = 900 창크기 줄여서 ..window.innerHeight 50이 되어도 100으로 계산되어서 문제 발생  " ...이렇게 정리했는데, 이게 맞나요?