Transfer Learning mit Convolutional Neural Network
Transfer Learning mit CNN nutzt ein bereits auf einem großen Datensatz – meist ImageNet – trainiertes Convolutional Neural Network wieder und passt dessen gelernte Feature-Detektoren an einen neuen, oft kleineren Zieldatensatz an. Dies ermöglicht Forschenden, eine starke Bilderkennungsleistung zu erzielen, ohne die massiven Rechen- und Datenressourcen zu benötigen, die für das Training eines CNN von Grund auf erforderlich wären.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Transfer Learning with Convolutional Neural Network (Feature Extraction and Fine-Tuning). ScholarGate. https://scholargate.app/de/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.
- Feinabgestimmtes Convolutional Neural NetworkDeep Learning↔ compare
- BildklassifizierungDeep Learning↔ compare
- ObjekterkennungDeep Learning↔ compare
- Semantische SegmentierungDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →