Transferlæring med konvolutionelle neurale netværk
Transferlæring med CNN genbruger et konvolutionelt neuralt netværk, der allerede er trænet på et stort datasæt – oftest ImageNet – og tilpasser dets indlærte feature-detektorer til et nyt, ofte mindre måldatasæt. Dette gør det muligt for forskere at opnå stærk billedgenkendelsespræstation uden de massive beregnings- og dataressourcer, der kræves for at træne et CNN 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.
+4 more
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Transfer Learning with Convolutional Neural Network (Feature Extraction and Fine-Tuning). ScholarGate. https://scholargate.app/da/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.
- Finetunet Convolutional Neural NetworkDyb læring↔ compare
- BilledklassifikationDyb læring↔ compare
- ObjektdetektionDyb læring↔ compare
- Semantisk segmenteringDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →