Machine learningDeep learning / NLP / CV
インスタンスセグメンテーションにおける転移学習
インスタンスセグメンテーションにおける転移学習は、大規模な画像コーパス（通常はImageNetまたはCOCO）で事前学習されたバックボーン畳み込みネットワークを、Mask R-CNNのようなインスタンスセグメンテーションモデルの特徴抽出器として再利用し、その後、小規模なターゲットデータセットでパイプライン全体をファインチューニングする手法である。このアプローチにより、ゼロからの学習に必要なラベル付きデータと計算リソースのごく一部で、最先端のオブジェクトごとのマスク精度が実現される。
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.
出典
- He, K., Gkioxari, G., Dollar, P., & Girshick, R. (2017). Mask R-CNN. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2961–2969. DOI: 10.1109/ICCV.2017.322 ↗
- 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). Transfer Learning Applied to Instance Segmentation Networks. ScholarGate. https://scholargate.app/ja/deep-learning/transfer-learning-with-instance-segmentation
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.
- インスタンスセグメンテーション深層学習↔ compare
- セマンティックセグメンテーション深層学習↔ compare
- 転移学習による画像分類深層学習↔ compare
- 物体検出における転移学習深層学習↔ compare