Přenosové učení s konvoluční neuronovou sítí
Přenosové učení (Transfer Learning) s CNN opětovně využívá konvoluční neuronovou síť, která již byla natrénována na velkém datovém souboru – nejčastěji ImageNetu – a adaptuje její naučené detektory rysů na nový, často menší cílový datový soubor. To umožňuje výzkumníkům dosáhnout vysokého výkonu v rozpoznávání obrazu bez masivních výpočetních a datových zdrojů, které jsou nutné pro trénování CNN od začátku.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Zdroje
- 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 ↗
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems (NeurIPS), 27, 3320–3328. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Transfer Learning with Convolutional Neural Network (Feature Extraction and Fine-Tuning). ScholarGate. https://scholargate.app/cs/deep-learning/transfer-learning-with-convolutional-neural-network
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.
- Jemně doladěná konvoluční neuronová síťHluboké učení↔ compare
- Klasifikace obrazuHluboké učení↔ compare
- Detekce objektůHluboké učení↔ compare
- Sémantická segmentaceHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →