یادگیری انتقالی با طبقهبندی تصویر
یادگیری انتقالی با طبقهبندی تصویر، از یک ستون فقرات شبکه عصبی عمیق - معمولاً یک CNN یا Vision Transformer - که بر روی یک مجموعه داده بزرگ مانند ImageNet از پیش آموزش دیده است، مجدداً استفاده میکند و آن را برای طبقهبندی تصاویر در یک دامنه هدف جدید تطبیق میدهد. با به ارث بردن ویژگیهای بصری عمومی از وظیفه منبع، این رویکرد با تصاویر برچسبدار بسیار کمتری نسبت به آموزش از ابتدا، به دقت بالایی دست مییابد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/fa/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.
- شبکه عصبی کانولوشنی تنظیمشدهیادگیری عمیق↔ compare
- ویژن ترنسفورمر تنظیمشده (Fine-Tuned Vision Transformer)یادگیری عمیق↔ compare
- طبقهبندی تصویریادگیری عمیق↔ compare
- یادگیری انتقالی با تشخیص اشیاءیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →