Aprendizaje por transferencia con detección de objetos
El aprendizaje por transferencia con detección de objetos parte de una red neuronal profunda preentrenada en un gran conjunto de datos de imágenes —típicamente ImageNet para el "backbone" o COCO para el detector completo— y la adapta para detectar objetos en un nuevo dominio. Al reutilizar las representaciones visuales aprendidas, logra una alta precisión de detección con muchas menos imágenes anotadas de las 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
- 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 ↗
- Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards real-time object detection with region proposal networks. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Transfer Learning Applied to Object Detection. ScholarGate. https://scholargate.app/es/deep-learning/transfer-learning-with-object-detection
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
- Detección de objetosAprendizaje profundo↔ compare
- Aprendizaje por transferencia con clasificación de imágenesAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →