Vision Transformer ajustat (Fine-Tuned Vision Transformer)
Un Vision Transformer ajustat (Fine-Tuned Vision Transformer) adapta un model ViT gran pre-entrenat —que divideix les imatges en pegats de mida fixa i els processa mitjançant capes d'autoatenció— a una nova tasca de classificació o reconeixement d'imatges utilitzant un conjunt de dades etiquetades relativament petit. Aconsegueix una precisió d'última generació en visió per computador aprofitant les riques representacions apreses durant el pre-entrenament a gran escala.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Fonts
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. In International Conference on Learning Representations (ICLR 2021). link ↗
- Zhai, X., Kolesnikov, A., Houlsby, N., & Beyer, L. (2022). Scaling Vision Transformers. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2022), pp. 12104-12113. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Fine-Tuned Vision Transformer (ViT with Task-Specific Adaptation). ScholarGate. https://scholargate.app/ca/deep-learning/fine-tuned-vision-transformer
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.
- Classificació basada en BERTAprenentatge profund↔ compare
- Xarxa neuronal convolucional afinadaAprenentatge profund↔ compare
- Classificació d'imatgesAprenentatge profund↔ compare
- Segmentació semànticaAprenentatge profund↔ compare
- Vision TransformerAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →