Machine learningDeep learning / NLP / CV
ファインチューニングされた畳み込みニューラルネットワーク
CNNのファインチューニングとは、ImageNetのような大規模データセットで既に訓練されたネットワークを出発点とし、より小さなターゲットデータセットで訓練を継続することで、モデルが学習済みの視覚的特徴を新しいタスクに適応させることを意味します。このアプローチは、ゼロから訓練する場合と比較して、強力な性能を達成するために必要なデータと計算量を劇的に削減します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
出典
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems, 27. link ↗
- Tajbakhsh, N., Shin, J. Y., Gurudu, S. R., Hurst, R. T., Kendall, C. B., Gotway, M. B., & Liang, J. (2016). Convolutional neural networks for medical image analysis: Full training or fine tuning? IEEE Transactions on Medical Imaging, 35(5), 1299–1312. DOI: 10.1109/TMI.2016.2535302 ↗
このページの引用方法
ScholarGate. (2026, June 3). Fine-Tuned Convolutional Neural Network (CNN Fine-Tuning via Transfer Learning). ScholarGate. https://scholargate.app/ja/deep-learning/fine-tuned-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.
- ファインチューニングされたリカレントニューラルネットワーク深層学習↔ compare
- ファインチューニングされたVision Transformer深層学習↔ compare
- 画像分類深層学習↔ compare
- 物体検出深層学習↔ compare
- 畳み込みニューラルネットワークを用いた転移学習深層学習↔ compare