Transfer Learning untuk Deteksi Objek
Transfer learning untuk deteksi objek dimulai dari jaringan saraf dalam (deep neural network) yang telah dilatih sebelumnya (pretrained) pada kumpulan data gambar berskala besar — biasanya ImageNet untuk backbone atau COCO untuk detektor lengkap — dan mengadaptasinya untuk mendeteksi objek di domain baru. Dengan menggunakan kembali representasi visual yang telah dipelajari, metode ini mencapai akurasi deteksi yang kuat dengan jumlah gambar beranotasi yang jauh lebih sedikit daripada yang diperlukan untuk pelatihan 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 ↗
- Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards real-time object detection with region proposal networks. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Transfer Learning Applied to Object Detection. ScholarGate. https://scholargate.app/id/deep-learning/transfer-learning-with-object-detection
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
- Deteksi ObjekPembelajaran Mendalam↔ compare
- Transfer Learning untuk Klasifikasi CitraPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →