Overføringslæring med konvolusjonelt nevralt nettverk
Overføringslæring med CNN gjenbruker et konvolusjonelt nevralt nettverk som allerede er trent på et stort datasett — oftest ImageNet — og tilpasser dets lærte detektorer for trekk til et nytt, ofte mindre måldatasett. Dette lar forskere oppnå sterk bildegjenkjennelsesytelse uten de massive beregnings- og datamessige ressursene som kreves for å trene et CNN 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.
+4 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Transfer Learning with Convolutional Neural Network (Feature Extraction and Fine-Tuning). ScholarGate. https://scholargate.app/no/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.
- Finetunet konvolusjonelt nevralt nettverkDyp læring↔ compare
- BildeklassifiseringDyp læring↔ compare
- ObjektdeteksjonDyp læring↔ compare
- Semantisk segmenteringDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →