Transfer Learning med Objektdetektering
Transfer learning med objektdetektering starter fra et dybt neuralt netværk, der er fortrænet på et stort billeddatasæt – typisk ImageNet til backbone eller COCO til den fulde detektor – og tilpasser det til at detektere objekter i et nyt domæne. Ved at genbruge lærte visuelle repræsentationer opnås en stærk detektionsnøjagtighed med langt færre annoterede billeder, end hvad 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
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Transfer Learning Applied to Object Detection. ScholarGate. https://scholargate.app/da/deep-learning/transfer-learning-with-object-detection
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
- ObjektdetektionDyb læring↔ compare
- Overførselslæring med billedklassifikationDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →