Apprendimento per trasferimento con rilevamento di oggetti
L'apprendimento per trasferimento (transfer learning) con rilevamento di oggetti parte da una rete neurale profonda pre-addestrata su un ampio set di dati di immagini — tipicamente ImageNet per il backbone o COCO per il rilevatore completo — e la adatta per rilevare oggetti in un nuovo dominio. Riutilizzando le rappresentazioni visive apprese, si ottiene una forte accuratezza di rilevamento con un numero di immagini annotate di gran lunga inferiore rispetto a quanto richiesto dall'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 ↗
- Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards real-time object detection with region proposal networks. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Transfer Learning Applied to Object Detection. ScholarGate. https://scholargate.app/it/deep-learning/transfer-learning-with-object-detection
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
- Rilevamento di oggettiApprendimento profondo↔ compare
- Apprendimento per trasferimento con classificazione di immaginiApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →