یادگیری انتقالی با تشخیص اشیاء
یادگیری انتقالی با تشخیص اشیاء از یک شبکه عصبی عمیق از پیش آموزشدیده بر روی یک مجموعه داده تصویری بزرگ آغاز میشود — معمولاً ImageNet برای ستون فقرات یا COCO برای آشکارساز کامل — و آن را برای تشخیص اشیاء در یک دامنه جدید تطبیق میدهد. با استفاده مجدد از نمایشهای بصری آموختهشده، دقت تشخیص بالایی را با تصاویر حاشیهنویسیشده بسیار کمتری نسبت به آموزش از ابتدا به دست میآورد.
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 ↗
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Transfer Learning Applied to Object Detection. ScholarGate. https://scholargate.app/fa/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.
- شبکه عصبی کانولوشنی تنظیمشدهیادگیری عمیق↔ compare
- تشخیص اشیاءیادگیری عمیق↔ compare
- یادگیری انتقالی با طبقهبندی تصویریادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →