Εκμάθηση Μεταφοράς με Συνελικτικά Νευρωνικά Δίκτυα
Η Εκμάθηση Μεταφοράς (Transfer Learning) με Συνελικτικά Νευρωνικά Δίκτυα (CNN) επαναχρησιμοποιεί ένα συνελικτικό νευρωνικό δίκτυο που έχει ήδη εκπαιδευτεί σε ένα μεγάλο σύνολο δεδομένων — συνηθέστερα το ImageNet — και προσαρμόζει τους ανιχνευτές χαρακτηριστικών που έχει μάθει σε ένα νέο, συχνά μικρότερο, σύνολο δεδομένων-στόχο. Αυτό επιτρέπει στους ερευνητές να επιτύχουν ισχυρή απόδοση στην αναγνώριση εικόνων χωρίς τους τεράστιους υπολογιστικούς πόρους και τους πόρους δεδομένων που απαιτούνται για την εκπαίδευση ενός CNN από το μηδέν.
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.
+4 more
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Transfer Learning with Convolutional Neural Network (Feature Extraction and Fine-Tuning). ScholarGate. https://scholargate.app/el/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.
- Βελτιστοποιημένο Συνελικτικό Νευρωνικό ΔίκτυοΒαθιά Μάθηση↔ compare
- Κατηγοριοποίηση ΕικόνωνΒαθιά Μάθηση↔ compare
- Ανίχνευση ΑντικειμένωνΒαθιά Μάθηση↔ compare
- Σημασιολογική ΤμηματοποίησηΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →