Classification d'images
La classification d'images est la tâche consistant à attribuer une seule étiquette sémantique à une image entière parmi un ensemble fixe de catégories. Les approches modernes s'appuient sur des réseaux neuronaux convolutifs profonds (CNN) ou des Vision Transformers (ViT) entraînés de bout en bout sur de grands ensembles de données étiquetées tels qu'ImageNet, atteignant une précision surhumaine sur de nombreux points de référence et étayant des applications allant de l'imagerie médicale aux véhicules autonomes.
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.
+14 more
Sources
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems (NeurIPS), 25, 1097–1105. link ↗
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770–778. DOI: 10.1109/CVPR.2016.90 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Deep Learning Image Classification. ScholarGate. https://scholargate.app/fr/deep-learning/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.
- Classification d'images par réglage finApprentissage profond↔ compare
- Détection d'objetsApprentissage profond↔ compare
- Segmentation sémantiqueApprentissage profond↔ compare
- Apprentissage par transfert pour la classification d'imagesApprentissage profond↔ compare
- Vision TransformerApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →