CNN bildeklassifisering
CNN bildeklassifisering bruker dype konvolusjonelle arkitekturer som ResNet (He et al., 2016), VGG og EfficientNet (Tan & Le, 2019) for å sortere bilder i kategorier. Stablede konvolusjonelle lag lærer et hierarki av visuelle trekk direkte fra piksler, og hopp- (residual-) koblinger forhindrer problemet med forsvinnende gradienter i svært dype nettverk.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- He, K., Zhang, X., Ren, S. & Sun, J. (2016). Deep Residual Learning for Image Recognition. CVPR. DOI: 10.1109/CVPR.2016.90 ↗
- Tan, M. & Le, Q.V. (2019). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. ICML, PMLR 97, 6105–6114. arXiv:1905.11946. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Convolutional Neural Network Image Classification (ResNet / VGG / EfficientNet). ScholarGate. https://scholargate.app/no/deep-learning/cnn-image-classification
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.
- Dilatert CNNDyp læring↔ compare
- Random ForestMaskinlæring↔ compare
- Støttevektormaskin (klassifisering)Maskinlæring↔ compare
- TextCNNDyp læring↔ compare
- XGBoostMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →