Κατηγοριοποίηση Εικόνων
Η κατηγοριοποίηση εικόνων είναι το έργο της ανάθεσης μιας ενιαίας σημασιολογικής ετικέτας σε ολόκληρη την εικόνα από ένα σταθερό σύνολο κατηγοριών. Οι σύγχρονες προσεγγίσεις βασίζονται σε βαθιά συνελικτικά νευρωνικά δίκτυα (CNNs) ή Vision Transformers (ViTs) εκπαιδευμένα end-to-end σε μεγάλα επισημασμένα σύνολα δεδομένων, όπως το ImageNet, επιτυγχάνοντας υπεράνθρωπη ακρίβεια σε πολλά benchmarks και υποστηρίζοντας εφαρμογές από την ιατρική απεικόνιση έως τα αυτόνομα οχήματα.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
+14 more
Πηγές
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems (NeurIPS), 25, 1097–1105. link ↗
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770–778. DOI: 10.1109/CVPR.2016.90 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Deep Learning Image Classification. ScholarGate. https://scholargate.app/el/deep-learning/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.
- Εξειδικευμένη Ταξινόμηση ΕικόνωνΒαθιά Μάθηση↔ compare
- Ανίχνευση ΑντικειμένωνΒαθιά Μάθηση↔ compare
- Σημασιολογική ΤμηματοποίησηΒαθιά Μάθηση↔ compare
- Μεταφορά Μάθησης με Ταξινόμηση ΕικόνωνΒαθιά Μάθηση↔ compare
- Vision TransformerΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →