ScholarGate
Assistente
Machine learningDeep learning / NLP / CV

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.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

+14 more

Fonti

  1. 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
  2. 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.

Compare side by side

Citato da

ScholarGateImage Classification (Deep Learning Image Classification). Consultato il 2026-06-15 da https://scholargate.app/it/deep-learning/image-classification · Insieme di dati: https://doi.org/10.5281/zenodo.20539026