Transfer Learning dengan Convolutional Neural Network
Transfer Learning dengan CNN menggunakan kembali jaringan saraf konvolusional yang telah dilatih pada kumpulan data besar — paling umum ImageNet — dan mengadaptasi detektor fiturnya yang telah dipelajari ke kumpulan data target baru, yang seringkali lebih kecil. Hal ini memungkinkan peneliti untuk mencapai kinerja pengenalan gambar yang kuat tanpa sumber daya komputasi dan data besar yang diperlukan untuk melatih CNN dari awal.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Transfer Learning with Convolutional Neural Network (Feature Extraction and Fine-Tuning). ScholarGate. https://scholargate.app/id/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.
- Jaringan Saraf Konvolusional yang Disesuaikan HalusPembelajaran Mendalam↔ compare
- Klasifikasi CitraPembelajaran Mendalam↔ compare
- Deteksi ObjekPembelajaran Mendalam↔ compare
- Semantic SegmentationPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →