Запис на доказателства за метод
Fine-Tuned Convolutional Neural Network
Fine-tuning a CNN means starting from a network already trained on a large dataset — typically ImageNet — and continuing training on a smaller target dataset so the model adapts its learned visual features to a new task. This approach dramatically reduces the data and compute required to reach strong performance compared with training from scratch.
Изходен запис
Цитиранията са копирани дословно от изходния запис на метода. Те не предполагат проверка на ниво твърдение.
Fine-Tuned Convolutional Neural Network (CNN Fine-Tuning via Transfer Learning)
Таксономичен запис на метод · ml-model / deep-learning
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems, 27. · URL
- Tajbakhsh, N., Shin, J. Y., Gurudu, S. R., Hurst, R. T., Kendall, C. B., Gotway, M. B., & Liang, J. (2016). Convolutional neural networks for medical image analysis: Full training or fine tuning? IEEE Transactions on Medical Imaging, 35(5), 1299–1312. · DOI 10.1109/TMI.2016.2535302
Подбрани твърдения
Твърденията са запазени в регистъра на доказателствата, всяко със собствена оценка.
Все още няма подбрани твърдения
Този изглед не измисля оценка на твърдение, когато регистърът няма такава.
Свързани методи
Генерирани от графа на методите и показани като предложени от машината връзки — не се предполага твърдение за доказателство.