Pārneses apmācība objektu noteikšanā
Pārneses apmācība objektu noteikšanā sākas ar dziļu neironu tīklu, kas iepriekš apmācīts uz liela attēlu datu kopas — parasti ImageNet pamatneironu tīklam vai COCO visam detektoram — un pielāgo to objektu noteikšanai jaunā domēnā. Atkārtoti izmantojot apgūtās vizuālās reprezentācijas, tiek sasniegta spēcīga noteikšanas precizitāte ar krietni mazāk anotētu attēlu, nekā prasītu apmācība 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 ↗
- Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards real-time object detection with region proposal networks. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Transfer Learning Applied to Object Detection. ScholarGate. https://scholargate.app/lv/deep-learning/transfer-learning-with-object-detection
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
- Objektu noteikšanaDziļā mācīšanās↔ compare
- Pārneses apmācība attēlu klasifikācijāDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →