Siirto-oppiminen konvoluutionaalisella neuroverkolla
Siirto-oppiminen konvoluutionaalisella neuroverkolla (CNN) hyödyntää uudelleen suurta aineistoa varten jo koulutettua neuroverkkoa – yleisimmin ImageNetiä – ja mukauttaa sen oppimia piirteidenilmaisimia uuteen, usein pienempään kohdeaineistoon. Tämä mahdollistaa vahvan kuvanerottelukyvyn saavuttamisen ilman CNN:n alusta asti kouluttamiseen vaadittavia valtavia laskenta- ja dataresursseja.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Lähteet
- 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 ↗
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems (NeurIPS), 27, 3320–3328. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Transfer Learning with Convolutional Neural Network (Feature Extraction and Fine-Tuning). ScholarGate. https://scholargate.app/fi/deep-learning/transfer-learning-with-convolutional-neural-network
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.
- Hienosäädetty konvoluutioneuroverkkoSyväoppiminen↔ compare
- KuvanluokitteluSyväoppiminen↔ compare
- KohdetunnistusSyväoppiminen↔ compare
- Semanttinen segmentointiSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →