Aprendizaje por transferencia con segmentación de instancias
El aprendizaje por transferencia con segmentación de instancias reutiliza una red convolucional troncal preentrenada en un gran corpus de imágenes (típicamente ImageNet o COCO) como extractor de características para un modelo de segmentación de instancias como Mask R-CNN, y luego ajusta (fine-tunes) la tubería completa en un conjunto de datos objetivo más pequeño. Este enfoque ofrece una precisión de máscara por objeto de última generación con una fracción de los datos etiquetados y la computación que requeriría el entrenamiento 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
- He, K., Gkioxari, G., Dollar, P., & Girshick, R. (2017). Mask R-CNN. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2961–2969. DOI: 10.1109/ICCV.2017.322 ↗
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Transfer Learning Applied to Instance Segmentation Networks. ScholarGate. https://scholargate.app/es/deep-learning/transfer-learning-with-instance-segmentation
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.
- Segmentación de instanciasAprendizaje profundo↔ compare
- Segmentación semánticaAprendizaje profundo↔ compare
- Aprendizaje por transferencia con 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 →