Classification d'images par réglage fin
La classification d'images par réglage fin adapte un grand réseau neuronal pré-entraîné sur un vaste corpus d'images (tel qu'ImageNet) à un domaine cible spécifique en poursuivant l'entraînement sur des images étiquetées du domaine. Cette approche atteint une forte précision avec beaucoup moins d'échantillons du domaine cible que l'entraînement à partir de zéro, ce qui en fait le paradigme dominant pour les tâches appliquées de vision par ordinateur.
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.
+1 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 (NeurIPS), 27, 3320–3328. link ↗
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Fine-Tuned Deep Neural Network for Image Classification. ScholarGate. https://scholargate.app/fr/deep-learning/fine-tuned-image-classification
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 convolutif affinéApprentissage profond↔ compare
- Transformeur Vision AjustéApprentissage profond↔ compare
- Classification d'imagesApprentissage profond↔ compare
- Détection d'objetsApprentissage profond↔ compare
- Apprentissage par transfert pour la classification d'imagesApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →