Transfer Learning in Computer Vision

transfer learning在image classification中有很大的应用，主要体现在当我们只有很少的样本可用于训练时，可以借用别人在大量数据上训练好的weight，稍作修改，用来对我们自己的样本的训练。

一个简单的示意图如下。

当我们的classes相比已经训练好的模型的classes很小的时候，我们可以冻住(freeze)较多的层(比如只修改最后的FC层;但当我们的classes较大时，可能释放的层要相对多些）。

此外, 借用transfer learning的思想，我们可以使用别人训练好的权重当作我们的模型的初始化参数，用来加速训练过程。