Finetunet Convolutional Neural Network
Finetuning af et CNN indebærer at starte med et netværk, der allerede er trænet på et stort datasæt – typisk ImageNet – og fortsætte træningen på et mindre måldatasæt, så modellen tilpasser sine lærte visuelle træk til en ny opgave. Denne tilgang reducerer dramatisk den datamængde og beregningskraft, der kræves for at opnå stærk ydeevne sammenlignet med træning fra bunden.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Kilder
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems, 27. link ↗
- Tajbakhsh, N., Shin, J. Y., Gurudu, S. R., Hurst, R. T., Kendall, C. B., Gotway, M. B., & Liang, J. (2016). Convolutional neural networks for medical image analysis: Full training or fine tuning? IEEE Transactions on Medical Imaging, 35(5), 1299–1312. DOI: 10.1109/TMI.2016.2535302 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Fine-Tuned Convolutional Neural Network (CNN Fine-Tuning via Transfer Learning). ScholarGate. https://scholargate.app/da/deep-learning/fine-tuned-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.
- Finetunet Recurrent Neural NetworkDyb læring↔ compare
- Finetunet Vision TransformerDyb læring↔ compare
- BilledklassifikationDyb læring↔ compare
- ObjektdetektionDyb læring↔ compare
- Transferlæring med konvolutionelle neurale netværkDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →