Siirto-oppiminen oliodentektiossa
Siirto-oppiminen oliodentektiossa alkaa syvästä neuroverkosta, joka on esikoulutettu suurella kuvatietokannalla – tyypillisesti ImageNetillä selkärangalle tai COCOlla koko ilmaisimelle – ja sitä mukautetaan olioiden havaitsemiseen uudessa domainissa. Uudelleenkäyttämällä opittuja visuaalisia esityksiä saavutetaan vahva havaintotarkkuus huomattavasti vähemmällä annotoidulla kuvamäärällä kuin mitä vaadittaisiin alusta alkaen kouluttamisessa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
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 ↗
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Transfer Learning Applied to Object Detection. ScholarGate. https://scholargate.app/fi/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.
- Hienosäädetty konvoluutioneuroverkkoSyväoppiminen↔ compare
- KohdetunnistusSyväoppiminen↔ compare
- Siirto-oppiminen kuvien luokittelussaSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →