Fine-Tuned konvolucionālais neironu tīkls
CNN pielāgošana nozīmē darbu ar tīklu, kas jau ir apmācīts uz liela datu kopuma — parasti ImageNet — un turpināt apmācību uz mazāka mērķa datu kopuma, lai modelis pielāgotu savas apgūtās vizuālās iezīmes jaunam uzdevumam. Šī pieeja ievērojami samazina datus un aprēķinus, kas nepieciešami, lai sasniegtu spēcīgu veiktspēju, salīdzinot ar apmācību no nulles.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
+vēl 6
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Fine-Tuned Convolutional Neural Network (CNN Fine-Tuning via Transfer Learning). ScholarGate. https://scholargate.app/lv/deep-learning/fine-tuned-convolutional-neural-network
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Pielāgots rekurentais neironu tīklsDziļā mācīšanās↔ salīdzināt
- Pielāgotais Vision TransformerDziļā mācīšanās↔ salīdzināt
- Attēlu klasifikācijaDziļā mācīšanās↔ salīdzināt
- Objektu noteikšanaDziļā mācīšanās↔ salīdzināt
- Pārneses apmācība ar konvolucionālo neironu tīkluDziļā mācīšanās↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →