Apprendimento per trasferimento con classificazione di immagini
L'apprendimento per trasferimento con classificazione di immagini riutilizza una rete neurale profonda — tipicamente una CNN o un Vision Transformer — pre-addestrata su un ampio dataset come ImageNet, e la adatta per classificare immagini in un nuovo dominio target. Ereditando caratteristiche visive generali dal compito sorgente, l'approccio raggiunge un'elevata accuratezza con molte meno immagini etichettate rispetto all'addestramento 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.
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 ↗
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/it/deep-learning/transfer-learning-with-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
- Apprendimento per trasferimento con rilevamento di oggettiApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →