Finjustert Vision Transformer
Finjustert Vision Transformer (Fine-Tuned ViT) tilpasser en stor, forhåndstrent ViT-modell – som deler bilder inn i faste lapper og prosesserer dem gjennom selv-oppmerksomhetslag – til en ny oppgave for bildeklassifisering eller -gjenkjenning ved bruk av et relativt lite, merket datasett. Den oppnår toppmoderne nøyaktighet innen datasyn ved å utnytte rike representasjoner lært under storskala forhåndstrening.
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.
+4 more
Kilder
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. In International Conference on Learning Representations (ICLR 2021). link ↗
- Zhai, X., Kolesnikov, A., Houlsby, N., & Beyer, L. (2022). Scaling Vision Transformers. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2022), pp. 12104-12113. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Fine-Tuned Vision Transformer (ViT with Task-Specific Adaptation). ScholarGate. https://scholargate.app/no/deep-learning/fine-tuned-vision-transformer
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.
- BERT-basert klassifiseringDyp læring↔ compare
- Finetunet konvolusjonelt nevralt nettverkDyp læring↔ compare
- BildeklassifiseringDyp læring↔ compare
- Semantisk segmenteringDyp læring↔ compare
- Vision TransformerDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →