Aprenentatge per transferència amb detecció d'objectes
L'aprenentatge per transferència amb detecció d'objectes comença a partir d'una xarxa neuronal profunda pre-entrenada en un gran conjunt de dades d'imatges — típicament ImageNet per a la xarxa troncal (backbone) o COCO per al detector complet — i l'adapta per detectar objectes en un domini nou. Reutilitzant representacions visuals apreses, s'aconsegueix una alta precisió de detecció amb moltes menys imatges anotades del 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
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Transfer Learning Applied to Object Detection. ScholarGate. https://scholargate.app/ca/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.
- Xarxa neuronal convolucional afinadaAprenentatge profund↔ compare
- Detecció d'objectesAprenentatge profund↔ compare
- Aprenentatge per transferència amb classificació d'imatgesAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →