Overføringslæring med bildeklassifisering
Overføringslæring med bildeklassifisering gjenbruker en dyp nevral nettverksryggrad — typisk et CNN eller Vision Transformer — forhåndstrent på et stort datasett som ImageNet, og tilpasser det til å klassifisere bilder i et nytt måldomene. Ved å arve generelle visuelle trekk fra kildeoppgaven, oppnår tilnærmingen høy nøyaktighet med langt færre merkede bilder enn ved 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.
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 ↗
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/no/deep-learning/transfer-learning-with-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.
- Finetunet konvolusjonelt nevralt nettverkDyp læring↔ compare
- Finjustert Vision TransformerDyp læring↔ compare
- BildeklassifiseringDyp læring↔ compare
- Overføringslæring med objektdeteksjonDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →