Přenosové učení s instanční segmentací
Přenosové učení s instanční segmentací znovu využívá konvoluční síť páteře předtrénovanou na rozsáhlém obrazovém korpusu (typicky ImageNet nebo COCO) jako extraktor příznaků pro model instanční segmentace, jako je Mask R-CNN, a poté doladí celý proces na menším cílovém datovém souboru. Tento přístup poskytuje špičkovou přesnost masek na objekt s zlomkem označených dat a výpočetního výkonu, který by vyžadovalo trénování 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.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Transfer Learning Applied to Instance Segmentation Networks. ScholarGate. https://scholargate.app/cs/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.
- Instance SegmentationHluboké učení↔ compare
- Sémantická segmentaceHluboké učení↔ compare
- Přenosové učení s klasifikací obrazuHluboké učení↔ compare
- Přenosové učení s detekcí objektůHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →