Transzfer tanulás instanciaszegmentálással
A transzfer tanulás instanciaszegmentálással egy nagy képtárra (tipikusan ImageNet vagy COCO) előképzett konvolúciós neurális hálózatot (backbone) használ fel jellemkinyertőként egy instanciaszegmentáló modellhez, mint például a Mask R-CNN, majd a teljes folyamatot finomhangolja (fine-tunes) egy kisebb céladatkészleten. Ez a megközelítés a legkorszerűbb, objektumonkénti maszkpontosságot eredményez, a címkézett adatok és a számítási kapacitás töredékével, ami a nulláról való tanításhoz szükséges lenne.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Transfer Learning Applied to Instance Segmentation Networks. ScholarGate. https://scholargate.app/hu/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.
- Instance SegmentationMélytanulás↔ compare
- Szemantikus szegmentációMélytanulás↔ compare
- Átviteli tanulás képosztályozáshozMélytanulás↔ compare
- Transzfer tanulás objektumdetektálássalMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →