Transfer Learning med Instanssegmentering
Transfer learning med instanssegmentering genbruger et konvolutionelt backbone-netværk, der er forhåndstrænet på et stort billedkorpus (typisk ImageNet eller COCO), som feature-ekstraktor for en instanssegmenteringsmodel som Mask R-CNN, og finjusterer derefter hele pipelinen på et mindre måldatasæt. Denne tilgang leverer state-of-the-art per-objekt maske-nøjagtighed med en brøkdel af de mærkede data og den beregningskraft, som træning fra bunden ville kræve.
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
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Transfer Learning Applied to Instance Segmentation Networks. ScholarGate. https://scholargate.app/da/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.
- InstanssegmenteringDyb læring↔ compare
- Semantisk segmenteringDyb læring↔ compare
- Overførselslæring med 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 →