Transfer Learning untuk Klasifikasi Citra
Transfer Learning untuk Klasifikasi Citra menggunakan kembali arsitektur dasar jaringan saraf tiruan dalam (deep neural network) — biasanya CNN atau Vision Transformer — yang telah dilatih sebelumnya pada kumpulan data besar seperti ImageNet, dan mengadaptasinya untuk mengklasifikasikan citra pada domain target baru. Dengan mewarisi fitur visual umum dari tugas sumber, pendekatan ini mencapai akurasi tinggi dengan jumlah citra berlabel yang jauh lebih sedikit dibandingkan melatih 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.
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 ↗
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/id/deep-learning/transfer-learning-with-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.
- Jaringan Saraf Konvolusional yang Disesuaikan HalusPembelajaran Mendalam↔ compare
- Vision Transformer yang Disesuaikan (Fine-Tuned)Pembelajaran Mendalam↔ compare
- Klasifikasi CitraPembelajaran Mendalam↔ compare
- Transfer Learning untuk Deteksi ObjekPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →