Fine-Tuned Convolutional Neural Network
Menyempurnakan CNN bermaksud memulakan dengan rangkaian yang telah dilatih pada set data besar — lazimnya ImageNet — dan meneruskan latihan pada set data sasaran yang lebih kecil supaya model menyesuaikan ciri visual yang dipelajarinya kepada tugasan baharu. Pendekatan ini mengurangkan secara mendadak data dan pengkomputeran yang diperlukan untuk mencapai prestasi yang kukuh berbanding latihan dari awal.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Fine-Tuned Convolutional Neural Network (CNN Fine-Tuning via Transfer Learning). ScholarGate. https://scholargate.app/ms/deep-learning/fine-tuned-convolutional-neural-network
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.
- Rangkaian Neural Berulang yang Ditalar HalusPembelajaran Mendalam↔ compare
- Fine-Tuned Vision TransformerPembelajaran Mendalam↔ compare
- Klasifikasi ImejPembelajaran Mendalam↔ compare
- Pengesanan ObjekPembelajaran Mendalam↔ compare
- Pembelajaran Pindahan dengan Rangkaian Neural KonvolusiPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →