Přenosové učení s detekcí objektů
Přenosové učení s detekcí objektů vychází z hluboké neuronové sítě předtrénované na velkém obrazovém datovém souboru – typicky ImageNet pro páteř nebo COCO pro kompletní detektor – a adaptuje ji pro detekci objektů v novém doméně. Opětovným použitím naučených vizuálních reprezentací dosahuje silné přesnosti detekce s mnohem menším počtem anotovaných obrazů, než by vyžadovalo trénování od začátku.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Mapa metod
Okolí příbuzných metod — vyberte uzel, který chcete prozkoumat.
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 ↗
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Transfer Learning Applied to Object Detection. ScholarGate. https://scholargate.app/cs/deep-learning/transfer-learning-with-object-detection
Která metoda?
Postavte tuto metodu vedle jejích nejbližších příbuzných a čtěte je vedle sebe — knihovna položí knihy na stůl; volba je na vás.
- Jemně doladěná konvoluční neuronová síťHluboké učení↔ porovnat
- Detekce objektůHluboké učení↔ porovnat
- Přenosové učení s klasifikací obrazuHluboké učení↔ porovnat
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →