Трансферно обучение с детекция на обекти
Трансферното обучение с детекция на обекти започва от дълбока невронна мрежа, предварително обучена върху голям набор от изображения — обикновено ImageNet за основата (backbone) или COCO за пълния детектор — и я адаптира за детекция на обекти в нова област. Чрез повторно използване на научени визуални репрезентации се постига висока точност на детекция с много по-малко анотирани изображения, отколкото би изисквало 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 ↗
- Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards real-time object detection with region proposal networks. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Transfer Learning Applied to Object Detection. ScholarGate. https://scholargate.app/bg/deep-learning/transfer-learning-with-object-detection
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
- Детекция на обектиДълбоко обучение↔ compare
- Трансферно обучение с класификация на изображенияДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →