Класификация на изображения с помощта на конволюционни невронни мрежи (CNN)
Класификацията на изображения с помощта на CNN използва дълбоки конволюционни архитектури като ResNet (He et al., 2016), VGG и EfficientNet (Tan & Le, 2019) за сортиране на изображения в категории. Насложени конволюционни слоеве научават йерархия от визуални характеристики директно от пикселите, а прескачащите (резидуални) връзки предотвратяват проблема с изчезващия градиент при много дълбоки мрежи.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- He, K., Zhang, X., Ren, S. & Sun, J. (2016). Deep Residual Learning for Image Recognition. CVPR. DOI: 10.1109/CVPR.2016.90 ↗
- Tan, M. & Le, Q.V. (2019). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. ICML, PMLR 97, 6105–6114. arXiv:1905.11946. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Convolutional Neural Network Image Classification (ResNet / VGG / EfficientNet). ScholarGate. https://scholargate.app/bg/deep-learning/cnn-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.
- Разширена (Dilated) конволюционна невронна мрежаДълбоко обучение↔ compare
- Случайна гораМашинно обучение↔ compare
- Методът на опорните вектори (класификация)Машинно обучение↔ compare
- TextCNNДълбоко обучение↔ compare
- XGBoostМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →