Classificazione di immagini fine-tuned
La classificazione di immagini fine-tuned adatta una rete neurale di grandi dimensioni pre-addestrata su un ampio corpus di immagini (come ImageNet) a un dominio target specifico continuando l'addestramento su immagini etichettate del dominio. Questo approccio ottiene una forte accuratezza con molti meno campioni del dominio target rispetto all'addestramento da zero, rendendolo il paradigma dominante per le attività applicate di visione artificiale.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Fonti
- 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 ↗
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Fine-Tuned Deep Neural Network for Image Classification. ScholarGate. https://scholargate.app/it/deep-learning/fine-tuned-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.
- Convolutional Neural Network Fine-TunedApprendimento profondo↔ compare
- Vision Transformer con Fine-TuningApprendimento profondo↔ compare
- Classificazione di immaginiApprendimento profondo↔ compare
- Rilevamento di oggettiApprendimento profondo↔ compare
- Apprendimento per trasferimento con classificazione di immaginiApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →