Přenosové učení s klasifikací obrazu
Přenosové učení s klasifikací obrazu znovu využívá hlubokou neuronovou síťovou páteř — typicky CNN nebo Vision Transformer — předtrénovanou na velkém datovém souboru, jako je ImageNet, a přizpůsobuje ji pro klasifikaci obrazů v nové cílové doméně. Děděním obecných vizuálních rysů ze zdrojového úkolu dosahuje tento přístup vysoké přesnosti s mnohem menším počtem označených obrazů než při trénování od nuly.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
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 ↗
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/cs/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.
- Jemně doladěná konvoluční neuronová síťHluboké učení↔ compare
- Dolaďovaný Vision TransformerHluboké učení↔ compare
- Klasifikace obrazuHluboké učení↔ compare
- Přenosové učení s detekcí objektůHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →