Classificazione di immagini
La classificazione di immagini è il compito di assegnare una singola etichetta semantica a un'intera immagine da un insieme fisso di categorie. Gli approcci moderni si basano su reti neurali convoluzionali profonde (CNN) o Vision Transformers (ViT) addestrati end-to-end su grandi set di dati etichettati come ImageNet, raggiungendo accuratezza sovrumana su molti benchmark e supportando applicazioni dall'imaging medico ai veicoli autonomi.
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.
+14 more
Fonti
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems (NeurIPS), 25, 1097–1105. link ↗
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770–778. DOI: 10.1109/CVPR.2016.90 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Deep Learning Image Classification. ScholarGate. https://scholargate.app/it/deep-learning/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.
- Classificazione di immagini fine-tunedApprendimento profondo↔ compare
- Rilevamento di oggettiApprendimento profondo↔ compare
- Segmentazione SemanticaApprendimento profondo↔ compare
- Apprendimento per trasferimento con classificazione di immaginiApprendimento profondo↔ compare
- Vision TransformerApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →