Transfer Learning met Convolutional Neural Network
Transfer Learning met CNN hergebruikt een convolutioneel neuraal netwerk dat reeds getraind is op een grote dataset — meestal ImageNet — en past de geleerde kenmerkdetectoren aan voor een nieuwe, vaak kleinere doeldataset. Dit stelt onderzoekers in staat om sterke prestaties op het gebied van beeldherkenning te behalen zonder de enorme rekenkracht en data-middelen die nodig zijn om een CNN vanaf nul te trainen.
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.
+4 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Transfer Learning with Convolutional Neural Network (Feature Extraction and Fine-Tuning). ScholarGate. https://scholargate.app/nl/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.
- Fijn-afgestelde Convolutionele Neurale NetwerkenDeep learning↔ compare
- BeeldclassificatieDeep learning↔ compare
- ObjectdetectieDeep learning↔ compare
- Semantische segmentatieDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →