Khi Fine‑tune ResNet Cho Bài Toán 2 Lớp, Thường Thay Đổi Phần Fully Connected Cuối Như Thế Nào?

Mở Bài – Vấn Đề Người Học Hay Gặp

Khi sử dụng ResNet cho bài toán phân loại ảnh, mô hình gốc thường được huấn luyện trên ImageNet với 1000 lớp.
Người mới tiếp cận hay gặp câu hỏi:
Nếu dự án chỉ có 2 lớp, mình phải thay đổi gì ở phần Fully Connected (FC)?
Đây là bước nhỏ, nhưng quyết định toàn bộ cách mô hình học trên dữ liệu mới.

Giải Thích Rõ Ràng – Bản Chất Của Việc Thay FC

ResNet gồm hai phần chính:

Phần trích đặc trưng (convolutional backbone).
Phần phân loại (Fully Connected layer ở cuối).

Trong ResNet gốc, FC cuối cùng trả về 1000 giá trị tương ứng 1000 lớp của ImageNet.
Với bài toán 2 lớp, số đầu ra cần dùng chỉ là 2 giá trị, mỗi giá trị biểu diễn mức độ mô hình gán ảnh vào từng lớp.

Vì vậy, bước điều chỉnh phổ biến là:

Giữ nguyên phần backbone để tận dụng các đặc trưng đã học từ ImageNet.
Thay thế FC cuối bằng một lớp mới với số đầu ra = 2.

Không có code ở đây, nhưng có thể hình dung: thay FC(2048 → 1000) thành FC(2048 → 2), trong đó 2048 là kích thước vector đặc trưng cuối backbone.

Ví Dụ Thực Tế

Giả sử bạn có dự án phân loại ảnh thành “sản phẩm đạt chuẩn” và “không đạt chuẩn” trong dây chuyền sản xuất.

ResNet gốc đã học cách nhận diện cạnh, texture, hình dạng từ ImageNet.
Backbone giữ nguyên, vì các đặc trưng này vẫn hữu ích.
FC cuối được thay để mô hình đưa ra 2 giá trị: xác suất của hai nhãn.

Việc fine‑tune sẽ điều chỉnh nhẹ các trọng số backbone và huấn luyện hoàn toàn lớp FC mới.

Góc Nhìn Khi Làm Dự Án AI/ML

Trong dự án thực tế, thay đổi FC là bước quan trọng nhưng không phải là duy nhất. Một số yếu tố khác thường được cân nhắc:

Quy mô dữ liệu ảnh.
Chiến lược freeze/unfreeze backbone.
Chọn hàm mất mát phù hợp (với 2 lớp thường dùng BCE hoặc CE dạng 2 logits).
Theo dõi overfitting, đặc biệt khi dữ liệu ít.

Những điều này liên quan đến tư duy của các module ML cơ bản, optimization, losses & metrics, thường gặp trong nhóm kiến thức nền tảng mà người học AI thường tiếp cận (module 4–5 trong hệ thống học thuật).

Liên Hệ Kiến Thức Nền

Việc thay FC chỉ là một phần nhỏ trong quy trình fine‑tune, nhưng để hiểu sâu bản chất:

Module về Pre‑Deep Learning giúp nắm các khái niệm như vector đặc trưng, hàm mất mát và cách tối ưu.
Module Deep Learning giải thích vai trò của layers và initialization khi thay FC.
Module Computer Vision trình bày mạch logic cách mô hình xử lý ảnh từ low-level đến high-level.

Những nhóm kiến thức này thường nằm trong lộ trình mà người học AI đi qua khi xây dựng dự án.

Lời Khuyên Cho Người Bắt Đầu

Bạn có thể thử với phiên bản ResNet nhỏ (ResNet18) để quan sát sự thay đổi khi thay FC.
Bạn có thể thử nghiệm thêm với việc:

Huấn luyện toàn bộ mô hình hay chỉ FC.
So sánh hiệu quả giữa 2 lớp (logits) và 1 logit kèm sigmoid.

Những thử nghiệm nhỏ giúp hiểu rõ hơn cách mô hình phản ứng với dữ liệu.

Hỏi Đáp Nhanh Về Chủ Đề

1. Có cần đổi lại toàn bộ ResNet khi phân loại 2 lớp không?
Không, thường chỉ thay FC cuối.

2. Có thể giữ nguyên backbone và chỉ huấn luyện FC mới không?
Có, đây là cách phổ biến khi dữ liệu ít.

3. Có cần thay đổi kích thước ảnh đầu vào khi fine‑tune không?
Không bắt buộc, nhưng thường dùng cùng kích thước như ImageNet để ổn định hơn.

4. ResNet có dùng được cho bài toán ảnh grayscale không?
Có, chỉ cần điều chỉnh số kênh ở lớp đầu vào hoặc chuyển ảnh sang RGB.

FAQ Về Chương Trình AIO

Q1. Con số 0 thì học nổi không?
Ans: Chỉ cần bạn có thời gian học. Điều quan trọng nhất không phải giỏi hay không, mà là có học đều mỗi ngày. Kiến thức – tài liệu – môi trường đã có team lo. Nếu bạn không có thời gian thì nên cân nhắc.

Q2. Ai dạy AIO?
Ans: Đội admin dạy toàn bộ. Admin trực tiếp hướng dẫn và hỗ trợ mọi câu hỏi của bạn trong suốt quá trình học.

Q3. Admin có “xịn” không?
Ans: Admin đều là người làm nghề thật, mỗi người một cách dạy. Quan trọng là bạn cảm thấy hợp cách truyền đạt. Admin không dám nói xịn, chỉ dạy bằng hết sức.

Q4. AIO có gì khác những nơi khác?
Ans: AIO không phải trung tâm. Đây là dự án học tập cộng đồng, được cải tiến qua từng khóa. Tinh thần của AIO: Cùng nhau học – cùng nhau khổ – cùng nhau lớn. Nếu hợp tinh thần đó, bạn sẽ thấy phù hợp.