Finetunet konvolusjonelt nevralt nettverk
Finetuning av et CNN innebærer å starte med et nettverk som allerede er trent på et stort datasett – typisk ImageNet – og fortsette treningen på et mindre måldatasett slik at modellen tilpasser sine lærte visuelle trekk til en ny oppgave. Denne tilnærmingen reduserer dramatisk datamengden og beregningskraften som kreves for å oppnå sterk ytelse sammenlignet med trening fra bunnen av.
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.
+6 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Fine-Tuned Convolutional Neural Network (CNN Fine-Tuning via Transfer Learning). ScholarGate. https://scholargate.app/no/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.
- Fintunet rekurrent nevralt nettverkDyp læring↔ compare
- Finjustert Vision TransformerDyp læring↔ compare
- BildeklassifiseringDyp læring↔ compare
- ObjektdeteksjonDyp læring↔ compare
- Overføringslæring med konvolusjonelt nevralt nettverkDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →