یادگیری انتقالی با بخشبندی نمونه (Transfer Learning with Instance Segmentation)
یادگیری انتقالی با بخشبندی نمونه، یک شبکه کانولوشنی پایه (backbone) از پیش آموزشدیده بر روی یک مجموعه داده بزرگ از تصاویر (معمولاً ImageNet یا COCO) را به عنوان استخراجکننده ویژگی برای یک مدل بخشبندی نمونه مانند Mask R-CNN بازاستفاده میکند، سپس کل خط لوله را بر روی یک مجموعه داده هدف کوچکتر تنظیم دقیق (fine-tune) میکند. این رویکرد، دقت ماسک در سطح هر شیء را با کسری از دادههای برچسبگذاری شده و محاسباتی که آموزش از ابتدا نیاز دارد، ارائه میدهد.
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
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Transfer Learning Applied to Instance Segmentation Networks. ScholarGate. https://scholargate.app/fa/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.
- برش زنی نمونه (Instance Segmentation)یادگیری عمیق↔ compare
- تقسیمبندی معنایییادگیری عمیق↔ compare
- یادگیری انتقالی با طبقهبندی تصویریادگیری عمیق↔ compare
- یادگیری انتقالی با تشخیص اشیاءیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →