Overførselslæring med billedklassifikation
Overførselslæring med billedklassifikation genbruger en dyb neural netværksrygrad — typisk et CNN eller Vision Transformer — forudtrænet på et stort datasæt som ImageNet, og tilpasser det til at klassificere billeder i et nyt måldomæne. Ved at arve generelle visuelle træk fra kildeopgaven opnår metoden høj nøjagtighed med langt færre mærkede billeder end ved 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.
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 ↗
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/da/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.
- Finetunet Convolutional Neural NetworkDyb læring↔ compare
- Finetunet Vision TransformerDyb læring↔ compare
- BilledklassifikationDyb læring↔ compare
- Transfer Learning med ObjektdetekteringDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →