Pārneses apmācība attēlu klasifikācijā
Pārneses apmācība attēlu klasifikācijā izmanto dziļo neironu tīkla pamatstruktūru — parasti konvolucionālo neironu tīklu (CNN) vai vizuālo transformatoru (Vision Transformer) —, kas iepriekš apmācīta uz liela datu kopuma, piemēram, ImageNet, un pielāgo to attēlu klasifikācijai jaunā mērķa domēnā. Mantojot vispārīgās vizuālās īpašības no avota uzdevuma, šī pieeja sasniedz augstu precizitāti ar krietni mazāk apzīmētu attēlu, nekā apmācot no nulles.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/lv/deep-learning/transfer-learning-with-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
- Pārneses apmācība objektu noteikšanāDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →