Трансферно обучение с конволюционна невронна мрежа
Трансферното обучение с КНМ (CNN) използва конволюционна невронна мрежа, която вече е обучена върху голям набор от данни — най-често ImageNet — и адаптира научените от нея детектори на признаци към нов, често по-малък целеви набор от данни. Това позволява на изследователите да постигнат силни резултати при разпознаване на изображения, без огромните изчислителни ресурси и данни, необходими за обучение на КНМ от нулата.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Източници
- 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 ↗
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems (NeurIPS), 27, 3320–3328. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Transfer Learning with Convolutional Neural Network (Feature Extraction and Fine-Tuning). ScholarGate. https://scholargate.app/bg/deep-learning/transfer-learning-with-convolutional-neural-network
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 конволюционна невронна мрежаДълбоко обучение↔ compare
- Класификация на изображенияДълбоко обучение↔ compare
- Детекция на обектиДълбоко обучение↔ compare
- Semantic SegmentationДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →