SSDは2016年に提案された物体検出のアルゴリズムである.物体検出のモデルの学習では,一般に膨大な訓練データを必要とする.訓練データを用意するコストを解消するために,少量の訓練データで学習する方法を提案する. 本研究の目的は,十分な量のデータを用いて学習した3クラスのSSDのモデルを用いて,1クラスを追加した4クラスのモデルを作成することである.これを少量の訓練データのみで実現したい.これを実現する手法として,転移学習を用いた.SSDのモデルに対して,凍結,初期化の範囲を変えた三つの転移学習の方法を用いて学習した.そして,これらのモデルの精度を比較した. その結果,モデルの精度は,十分なデータを用いて作成したモデルには及ばなかったが,同数のデータで学習したモデルに比べると高い値であった.これに基づき,提案手法ではある程度の精度を出すことはできるが,十分な量のデータを用いた場合と同等の精度を求めるならば,別のアプローチが必要であると結論付けた.
