Трансферно обучение с класификация на изображения
Трансферното обучение с класификация на изображения използва предварително обучена дълбока невронна мрежа — обикновено CNN или Vision Transformer — върху голям набор от данни като ImageNet, и я адаптира за класифициране на изображения в нова целева област. Като наследява общи визуални характеристики от изходната задача, подходът постига висока точност с много по-малко маркирани изображения, отколкото при обучение 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.
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 ↗
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/bg/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.
- Фина настройка на конволюционна невронна мрежаДълбоко обучение↔ compare
- Фино настроен Vision TransformerДълбоко обучение↔ compare
- Класификация на изображенияДълбоко обучение↔ compare
- Трансферно обучение с детекция на обектиДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →