Aprendizaje por transferencia con clasificación de imágenes
El aprendizaje por transferencia con clasificación de imágenes reutiliza una red neuronal profunda preentrenada — típicamente una CNN o un Vision Transformer — sobre un gran conjunto de datos como ImageNet, y la adapta para clasificar imágenes en un nuevo dominio objetivo. Al heredar características visuales generales de la tarea fuente, el enfoque logra una alta precisión con muchas menos imágenes etiquetadas que entrenando 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.
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 ↗
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/es/deep-learning/transfer-learning-with-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.
- Red de Convolución (CNN) Ajustada FinamenteAprendizaje profundo↔ compare
- Vision Transformer (ViT) de ajuste finoAprendizaje profundo↔ compare
- Clasificación de imágenesAprendizaje profundo↔ compare
- Aprendizaje por transferencia con detección de objetosAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →