Sīkāka pielāgošana attēlu klasifikācijai
Sīkāka pielāgošana attēlu klasifikācijai pielāgo lielu neironu tīklu, kas iepriekš apmācīts plašā attēlu korpusā (piemēram, ImageNet), konkrētai mērķa domēnai, turpinot apmācību uz iezīmētiem domēnas attēliem. Šī pieeja nodrošina augstu precizitāti ar krietni mazāku mērķa domēnas paraugu skaitu nekā apmācība no nulles, padarot to par dominējošo paradigmu lietišķajos datorredzes uzdevumos.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+1 more
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Fine-Tuned Deep Neural Network for Image Classification. ScholarGate. https://scholargate.app/lv/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.
- Fine-Tuned konvolucionālais neironu tīklsDziļā mācīšanās↔ compare
- Pielāgotais Vision TransformerDziļā mācīšanās↔ compare
- Attēlu klasifikācijaDziļā mācīšanās↔ compare
- Objektu noteikšanaDziļā mācīšanās↔ compare
- Pārneses apmācība attēlu klasifikācijāDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →