التعلم بالنقل لتصنيف الصور
يعيد التعلم بالنقل لتصنيف الصور استخدام شبكة عصبية عميقة أساسية — عادةً شبكة التفافية (CNN) أو محول رؤية (Vision Transformer) — مدربة مسبقًا على مجموعة بيانات كبيرة مثل ImageNet، ويقوم بتكييفها لتصنيف الصور في مجال مستهدف جديد. من خلال وراثة السمات البصرية العامة من المهمة المصدر، يحقق النهج دقة عالية باستخدام عدد أقل بكثير من الصور المصنفة مقارنة بالتدريب من الصفر.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/ar/deep-learning/transfer-learning-with-image-classification
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- الشبكة العصبونية الالتفافية المُحسَّنة بدقةالتعلم العميق↔ compare
- محوّل الرؤية المُحسَّن بدقةالتعلم العميق↔ compare
- تصنيف الصورالتعلم العميق↔ compare
- التعلم بالنقل مع كشف الكائناتالتعلم العميق↔ compare