Transzfer tanulás konvolúciós neurális hálóval
A konvolúciós neurális hálóval (CNN) végzett transzfer tanulás egy már nagyméretű adathalmazon – leggyakrabban az ImageNet-en – betanított konvolúciós neurális háló újrafelhasználását jelenti, és annak tanult jellemződetektorait egy új, gyakran kisebb céladat-halmazhoz igazítja. Ez lehetővé teszi a kutatók számára, hogy erős képfelismerési teljesítményt érjenek el anélkül, hogy a CNN alapokról történő betanításához szükséges hatalmas számítási és adatforrásokat igénybe vennék.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Források
- 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 ↗
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Transfer Learning with Convolutional Neural Network (Feature Extraction and Fine-Tuning). ScholarGate. https://scholargate.app/hu/deep-learning/transfer-learning-with-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.
- Finomhangolt konvolúciós neurális hálózatMélytanulás↔ compare
- KéposztályozásMélytanulás↔ compare
- ObjektumdetektálásMélytanulás↔ compare
- Szemantikus szegmentációMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →