Aprendizaje por transferencia con Red Neuronal Convolucional
El aprendizaje por transferencia con CNN reutiliza una red neuronal convolucional que ya ha sido entrenada en un gran conjunto de datos —más comúnmente ImageNet— y adapta sus detectores de características aprendidas a un nuevo conjunto de datos objetivo, a menudo más pequeño. Esto permite a los investigadores lograr un sólido rendimiento en el reconocimiento de imágenes sin los enormes recursos computacionales y de datos necesarios para entrenar una CNN desde cero.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Transfer Learning with Convolutional Neural Network (Feature Extraction and Fine-Tuning). ScholarGate. https://scholargate.app/es/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.
- Red de Convolución (CNN) Ajustada FinamenteAprendizaje profundo↔ compare
- Clasificación de imágenesAprendizaje profundo↔ compare
- Detección de objetosAprendizaje profundo↔ compare
- Segmentación semánticaAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →