Machine learningDeep learning / NLP / CV
이미지 분류
이미지 분류는 전체 이미지에 미리 정의된 범주 중 하나의 의미론적 레이블을 할당하는 작업입니다. 최신 접근 방식은 ImageNet과 같이 레이블이 지정된 대규모 데이터셋으로 종단 간(end-to-end) 학습된 심층 합성곱 신경망(CNN) 또는 비전 트랜스포머(ViT)에 의존하며, 이는 많은 벤치마크에서 인간을 능가하는 정확도를 달성하고 의료 영상에서 자율 주행 차량에 이르는 다양한 응용 분야의 기반이 됩니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+14 more
출처
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems (NeurIPS), 25, 1097–1105. link ↗
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770–778. DOI: 10.1109/CVPR.2016.90 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Deep Learning Image Classification. ScholarGate. https://scholargate.app/ko/deep-learning/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.
- 미세 조정된 이미지 분류딥러닝↔ compare
- 객체 탐지딥러닝↔ compare
- Semantic segmentation딥러닝↔ compare
- 이미지 분류를 위한 전이 학습딥러닝↔ compare
- Vision Transformer딥러닝↔ compare
이 방법을 참조하는 항목
도메인 적응형 합성곱 신경망도메인 적응형 이미지 분류설명 가능한 이미지 분류설명 가능한 비전 트랜스포머(Explainable Vision Transformer)미세 조정된 합성곱 신경망미세 조정된 이미지 분류미세 조정된 비전 트랜스포머인스턴스 분할다국어 이미지 분류다중 양식 합성곱 신경망다중 양식 이미지 분류다중 양식 객체 탐지다중 모달 트랜스포머멀티모달 비전 트랜스포머객체 탐지Semantic segmentation준지도 학습 이미지 분류Semi-supervised Vision Transformer컨볼루션 신경망을 이용한 전이 학습이미지 분류를 위한 전이 학습약한 지도 학습 컨볼루션 신경망약한 지도 학습 이미지 분류약지도 객체 탐지