طبقهبندی تصویر
طبقهبندی تصویر وظیفه انتساب یک برچسب معنایی واحد به کل یک تصویر از مجموعهای ثابت از دستهها است. رویکردهای مدرن به شبکههای عصبی پیچشی عمیق (CNNs) یا ترانسفورماتورهای بینایی (ViTs) متکی هستند که به صورت سرتاسری (end-to-end) بر روی مجموعهدادههای بزرگ برچسبگذاریشده مانند ImageNet آموزش دیدهاند و به دقتهای فراانسانی در بسیاری از معیارهای ارزیابی دست یافتهاند و کاربردهایی از تصویربرداری پزشکی تا وسایل نقلیه خودران را پشتیبانی میکنند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
+14 more
منابع
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems (NeurIPS), 25, 1097–1105. link ↗
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770–778. DOI: 10.1109/CVPR.2016.90 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Deep Learning Image Classification. ScholarGate. https://scholargate.app/fa/deep-learning/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.
- طبقهبندی تصویر با تنظیم دقیق (Fine-Tuned Image Classification)یادگیری عمیق↔ compare
- تشخیص اشیاءیادگیری عمیق↔ compare
- تقسیمبندی معنایییادگیری عمیق↔ compare
- یادگیری انتقالی با طبقهبندی تصویریادگیری عمیق↔ compare
- ترنسفورمر بینایییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →