Transfer Learning mit Objekterkennung
Transfer Learning mit Objekterkennung beginnt mit einem tiefen neuronalen Netz, das auf einem grossen Bilddatensatz vortrainiert wurde – typischerweise ImageNet für das Backbone oder COCO für den vollständigen Detektor – und passt es an, um Objekte in einer neuen Domäne zu erkennen. Durch die Wiederverwendung gelernter visueller Repräsentationen erzielt es eine hohe Erkennungsgenauigkeit mit weitaus weniger annotierten Bildern, als für ein Training von Grund auf erforderlich wäre.
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.
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 ↗
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Transfer Learning Applied to Object Detection. ScholarGate. https://scholargate.app/de/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.
- Feinabgestimmtes Convolutional Neural NetworkDeep Learning↔ compare
- ObjekterkennungDeep Learning↔ compare
- Transfer Learning für BildklassifikationDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →