Vision Transformer con Fine-Tuning
Il Vision Transformer con Fine-Tuning adatta un modello ViT di grandi dimensioni pre-addestrato — che suddivide le immagini in patch di dimensioni fisse e le elabora tramite strati di auto-attenzione — a un nuovo compito di classificazione o riconoscimento di immagini utilizzando un dataset etichettato relativamente piccolo. Raggiunge un'accuratezza all'avanguardia nella visione artificiale sfruttando le ricche rappresentazioni apprese durante il pre-addestramento su larga scala.
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.
+4 more
Fonti
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. In International Conference on Learning Representations (ICLR 2021). link ↗
- Zhai, X., Kolesnikov, A., Houlsby, N., & Beyer, L. (2022). Scaling Vision Transformers. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2022), pp. 12104-12113. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Fine-Tuned Vision Transformer (ViT with Task-Specific Adaptation). ScholarGate. https://scholargate.app/it/deep-learning/fine-tuned-vision-transformer
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.
- Classificazione basata su BERTApprendimento profondo↔ compare
- Convolutional Neural Network Fine-TunedApprendimento profondo↔ compare
- Classificazione di immaginiApprendimento profondo↔ compare
- Segmentazione SemanticaApprendimento profondo↔ compare
- Vision TransformerApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →