Aprenentatge per transferència amb classificació d'imatges
L'aprenentatge per transferència amb classificació d'imatges reutilitza una xarxa neuronal profunda (backbone) — típicament una CNN o un Vision Transformer — pre-entrenada en un gran conjunt de dades com ImageNet, i l'adapta per classificar imatges en un nou domini objectiu. En heretar característiques visuals generals de la tasca font, l'aproximació aconsegueix una alta precisió amb moltes menys imatges etiquetades que entrenant des de zero.
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.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/ca/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.
- Xarxa neuronal convolucional afinadaAprenentatge profund↔ compare
- Vision Transformer ajustat (Fine-Tuned Vision Transformer)Aprenentatge profund↔ compare
- Classificació d'imatgesAprenentatge profund↔ compare
- Aprenentatge per transferència amb detecció d'objectesAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →