Réseau neuronal convolutif affiné
L'affinage (fine-tuning) d'un réseau neuronal convolutif (RNC) consiste à partir d'un réseau déjà entraîné sur un grand ensemble de données — typiquement ImageNet — et à poursuivre l'entraînement sur un ensemble de données cible plus petit afin que le modèle adapte ses caractéristiques visuelles apprises à une nouvelle tâche. Cette approche réduit considérablement les données et la puissance de calcul nécessaires pour atteindre de bonnes performances par rapport à un entraînement à partir de zéro.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Sources
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems, 27. link ↗
- Tajbakhsh, N., Shin, J. Y., Gurudu, S. R., Hurst, R. T., Kendall, C. B., Gotway, M. B., & Liang, J. (2016). Convolutional neural networks for medical image analysis: Full training or fine tuning? IEEE Transactions on Medical Imaging, 35(5), 1299–1312. DOI: 10.1109/TMI.2016.2535302 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Fine-Tuned Convolutional Neural Network (CNN Fine-Tuning via Transfer Learning). ScholarGate. https://scholargate.app/fr/deep-learning/fine-tuned-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.
- Réseau neuronal récurrent affinéApprentissage profond↔ compare
- Transformeur Vision AjustéApprentissage profond↔ compare
- Classification d'imagesApprentissage profond↔ compare
- Détection d'objetsApprentissage profond↔ compare
- Apprentissage par transfert avec réseau neuronal convolutifApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →