Fijn-afgestelde Convolutionele Neurale Netwerken
Het fijn-afstemmen van een CNN houdt in dat men begint met een netwerk dat reeds getraind is op een grote dataset – typisch ImageNet – en de training voortzet op een kleinere doeldataset, zodat het model zijn geleerde visuele kenmerken aanpast aan een nieuwe taak. Deze aanpak vermindert drastisch de benodigde data en rekenkracht om sterke prestaties te bereiken, vergeleken met trainen vanaf nul.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Fine-Tuned Convolutional Neural Network (CNN Fine-Tuning via Transfer Learning). ScholarGate. https://scholargate.app/nl/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.
- Fijn-afgestemd Recurrent Neural NetworkDeep learning↔ compare
- Fijn-afgestelde Vision TransformerDeep learning↔ compare
- BeeldclassificatieDeep learning↔ compare
- ObjectdetectieDeep learning↔ compare
- Transfer Learning met Convolutional Neural NetworkDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →