Pembelajaran Pindahan dengan Rangkaian Neural Konvolusi
Pembelajaran Pindahan dengan CNN menggunakan semula rangkaian neural konvolusi yang telah dilatih pada set data yang besar — paling lazim ImageNet — dan menyesuaikan pengesan ciri yang dipelajarinya kepada set data sasaran baharu yang selalunya lebih kecil. Ini membolehkan penyelidik mencapai prestasi pengecaman imej yang kukuh tanpa sumber pengkomputeran dan data yang besar yang diperlukan untuk melatih CNN 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.
+4 more
Sumber
- 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 ↗
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems (NeurIPS), 27, 3320–3328. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Transfer Learning with Convolutional Neural Network (Feature Extraction and Fine-Tuning). ScholarGate. https://scholargate.app/ms/deep-learning/transfer-learning-with-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.
- Fine-Tuned Convolutional Neural NetworkPembelajaran Mendalam↔ compare
- Klasifikasi ImejPembelajaran Mendalam↔ compare
- Pengesanan ObjekPembelajaran Mendalam↔ compare
- Semantic SegmentationPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →