Attēlu klasifikācija
Attēlu klasifikācija ir uzdevums, kurā visam attēlam tiek piešķirta viena semantiska etiķete no noteikta kategoriju kopuma. Mūsdienu pieejās tiek izmantoti dziļie konvolucionālie neironu tīkli (CNN) vai vizuālie transformatori (ViT), kas apmācīti galu galā uz lieliem marķētiem datu kopumiem, piemēram, ImageNet, sasniedzot virs cilvēka līmeņa precizitāti daudzos etalonos un nodrošinot lietojumprogrammas no medicīniskās attēlveidošanas līdz autonomiem transportlīdzekļiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+14 more
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Deep Learning Image Classification. ScholarGate. https://scholargate.app/lv/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.
- Sīkāka pielāgošana attēlu klasifikācijaiDziļā mācīšanās↔ compare
- Objektu noteikšanaDziļā mācīšanās↔ compare
- Semantiskā segmentācijaDziļā mācīšanās↔ compare
- Pārneses apmācība attēlu klasifikācijāDziļā mācīšanās↔ compare
- Vision TransformerDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →