Класификация на изображения
Класификацията на изображения е задачата за присвояване на един семантичен етикет на цяло изображение от фиксиран набор от категории. Съвременните подходи разчитат на дълбоки конволюционни невронни мрежи (CNN) или Vision Transformers (ViT), обучени от край до край върху големи маркирани набори от данни като ImageNet, постигайки свръхчовешка точност по много критерии и подкрепяйки приложения от медицински изображения до автономни превозни средства.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+14 more
Източници
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems (NeurIPS), 25, 1097–1105. link ↗
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770–778. DOI: 10.1109/CVPR.2016.90 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Deep Learning Image Classification. ScholarGate. https://scholargate.app/bg/deep-learning/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.
- Фина настройка на класификация на изображенияДълбоко обучение↔ compare
- Детекция на обектиДълбоко обучение↔ compare
- Semantic SegmentationДълбоко обучение↔ compare
- Трансферно обучение с класификация на изображенияДълбоко обучение↔ compare
- Vision TransformerДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →