Aprenentatge per transferència amb segmentació d'instàncies
L'aprenentatge per transferència amb segmentació d'instàncies reutilitza una xarxa convolucional de base pre-entrenada en un gran corpus d'imatges (típicament ImageNet o COCO) com a extractor de característiques per a un model de segmentació d'instàncies com Mask R-CNN, i després ajusta tota la pipeline en un conjunt de dades objectiu més petit. Aquest enfocament ofereix una precisió de màscara per objecte d'última generació amb una fracció de les dades etiquetades i la potència de càlcul que requeriria entrenar 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
- He, K., Gkioxari, G., Dollar, P., & Girshick, R. (2017). Mask R-CNN. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2961–2969. DOI: 10.1109/ICCV.2017.322 ↗
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Transfer Learning Applied to Instance Segmentation Networks. ScholarGate. https://scholargate.app/ca/deep-learning/transfer-learning-with-instance-segmentation
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.
- Segmentació d'instànciesAprenentatge profund↔ compare
- Segmentació semànticaAprenentatge profund↔ compare
- Aprenentatge per transferència amb 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 →