למידת העברה עם פילוח מופעים (Instance Segmentation)
למידת העברה עם פילוח מופעים עושה שימוש חוזר ברשת קונבולוציונית בסיסית שאומנה מראש על קורפוס תמונות גדול (בדרך כלל ImageNet או COCO) כחולצת תכונות (feature extractor) עבור מודל פילוח מופעים כגון Mask R-CNN, ולאחר מכן מכווננת (fine-tunes) את כל הצינור (pipeline) על מערך נתונים יעד קטן יותר. גישה זו מספקת דיוק מסכה ברמת אובייקט-פרט (state-of-the-art) עם שבריר מהנתונים המתויגים והחישוב שאימון מאפס היה דורש.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- He, K., Gkioxari, G., Dollar, P., & Girshick, R. (2017). Mask R-CNN. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2961–2969. DOI: 10.1109/ICCV.2017.322 ↗
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Transfer Learning Applied to Instance Segmentation Networks. ScholarGate. https://scholargate.app/he/deep-learning/transfer-learning-with-instance-segmentation
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.
- פילוח מופעיםלמידה עמוקה↔ compare
- סגמנטציה סמנטיתלמידה עמוקה↔ compare
- למידת העברה בסיווג תמונותלמידה עמוקה↔ compare
- למידת העברה עם זיהוי אובייקטיםלמידה עמוקה↔ compare