Transfer Learning con Convolutional Neural Network
Il Transfer Learning con CNN riutilizza una rete neurale convoluzionale già addestrata su un ampio dataset — più comunemente ImageNet — e adatta i suoi rilevatori di feature appresi a un nuovo dataset target, spesso più piccolo. Ciò consente ai ricercatori di ottenere prestazioni elevate nel riconoscimento di immagini senza le enormi risorse computazionali e di dati richieste per addestrare una CNN da zero.
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
- 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 ↗
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Transfer Learning with Convolutional Neural Network (Feature Extraction and Fine-Tuning). ScholarGate. https://scholargate.app/it/deep-learning/transfer-learning-with-convolutional-neural-network
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
- Classificazione di immaginiApprendimento profondo↔ compare
- Rilevamento di oggettiApprendimento profondo↔ compare
- Segmentazione SemanticaApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →