Klasifikace obrazu
Klasifikace obrazu je úloha přiřazení jediného sémantického štítku celému obrazu z pevně dané sady kategorií. Moderní přístupy se spoléhají na hluboké konvoluční neuronové sítě (CNN) nebo Vision Transformers (ViT) trénované end-to-end na velkých označených datových sadách, jako je ImageNet, dosahující nadlidské přesnosti na mnoha benchmarkech a podporující aplikace od lékařského zobrazování po autonomní vozidla.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+14 more
Zdroje
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems (NeurIPS), 25, 1097–1105. link ↗
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770–778. DOI: 10.1109/CVPR.2016.90 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Deep Learning Image Classification. ScholarGate. https://scholargate.app/cs/deep-learning/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.
- Dolaďování klasifikace obrazuHluboké učení↔ compare
- Detekce objektůHluboké učení↔ compare
- Sémantická segmentaceHluboké učení↔ compare
- Přenosové učení s klasifikací obrazuHluboké učení↔ compare
- Vision TransformerHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →