Machine learningDeep learning / NLP / CV
ファインチューニングによる画像分類
ファインチューニングによる画像分類は、広範な画像コーパス（例：ImageNet）で事前学習された大規模ニューラルネットワークを、ラベル付きのターゲットドメイン画像で学習を継続することにより、特定のターゲットドメインに適応させる手法である。このアプローチは、ゼロから学習させるよりもはるかに少ないターゲットドメインサンプルで高い精度を達成するため、応用的なコンピュータビジョンタスクにおける主要なパラダイムとなっている。
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.
+1 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 (NeurIPS), 27, 3320–3328. link ↗
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Fine-Tuned Deep Neural Network for Image Classification. ScholarGate. https://scholargate.app/ja/deep-learning/fine-tuned-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.
- 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
- 転移学習による画像分類深層学習↔ compare