Fine-Tuned Vision Transformer
Fine-Tuned Vision Transformer menyesuaikan model ViT pra-latih berskala besar — yang membahagikan imej kepada tampalan bersaiz tetap dan memprosesnya melalui lapisan perhatian kendiri — kepada tugas klasifikasi atau pengecaman imej baharu menggunakan set data berlabel yang agak kecil. Ia mencapai ketepatan terkini dalam penglihatan komputer dengan memanfaatkan perwakilan kaya yang dipelajari semasa pra-latihan skala besar.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Sumber
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. In International Conference on Learning Representations (ICLR 2021). link ↗
- Zhai, X., Kolesnikov, A., Houlsby, N., & Beyer, L. (2022). Scaling Vision Transformers. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2022), pp. 12104-12113. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Fine-Tuned Vision Transformer (ViT with Task-Specific Adaptation). ScholarGate. https://scholargate.app/ms/deep-learning/fine-tuned-vision-transformer
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.
- Klasifikasi Berasaskan BERTPembelajaran Mendalam↔ compare
- Fine-Tuned Convolutional Neural NetworkPembelajaran Mendalam↔ compare
- Klasifikasi ImejPembelajaran Mendalam↔ compare
- Semantic SegmentationPembelajaran Mendalam↔ compare
- Transformer VisiPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →