기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# Image Classification 작동 방식
<a name="IC-HowItWorks"></a>

Image Classification 알고리즘은 입력으로 이미지를 가져와 출력 범주 중 하나로 분류합니다. 딥 러닝은 이미지 분류 도메인에 혁신을 가져왔고 뛰어난 성과를 거두었습니다. 정확도가 높은 이미지 분류를 위해 [ResNet](https://arxiv.org/abs/1512.03385), [DenseNet](https://arxiv.org/abs/1608.06993), [Inception](https://arxiv.org/pdf/1409.4842.pdf) 등 다양한 딥 러닝 네트워크가 개발되었습니다. 동시에 이러한 네트워크의 훈련에 필수적인 레이블된 이미지 데이터를 수집하려는 노력도 있었습니다. [ImageNet](https://www.image-net.org/)은 11,000개의 범주와 1,100만 개가 넘는 이미지를 보유한 대량의 데이터 세트입니다. ImageNet 데이터로 네트워크를 훈련하고 나면 이를 사용하고 간편한 미세 조정을 통해 다른 데이터 세트와 일반화할 수 있습니다. 이러한 전이 학습 접근 방식에서 네트워크는 가중치와 함께 초기화(예: ImageNet에서 훈련)되고 다른 데이터 세트에서의 이미지 분류 작업을 위해 미세 조정될 수 있습니다.

Amazon SageMaker AI의 이미지 분류는 전체 훈련과 전이 학습이라는 2가지 모드에서 실행될 수 있습니다. 전체 훈련 모드에서 네트워크는 임의 가중치와 함께 초기화되고 처음부터 사용자 데이터를 통해 교육됩니다. 전이 학습 모드에서 네트워크는 사전 교육된 가중치와 함께 초기화되고 완전히 연결된 계층이 임의 가중치와 함께 초기화됩니다. 그리고 전체 네트워크는 새 데이터를 통해 미세 조정됩니다. 이 모드에서는 더욱 작은 데이터 세트로도 훈련을 완료할 수 있습니다. 네트워크가 이미 훈련되었기 때문에 효율적인 훈련 데이터가 없는 경우에도 사용될 수 있기 때문입니다.