Overføringslæring med instanssegmentering
Overføringslæring med instanssegmentering gjenbruker et grunnleggende konvolusjonelt nettverk forhåndstrent på et stort bildearkiv (typisk ImageNet eller COCO) som trekkuttrekker for en instanssegmenteringsmodell som Mask R-CNN, og finjusterer deretter hele pipelinen på et mindre måldatasett. Denne tilnærmingen gir toppmoderne maskenøyaktighet per objekt med en brøkdel av de merkede dataene og beregningskraften som kreves for å trene 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
- He, K., Gkioxari, G., Dollar, P., & Girshick, R. (2017). Mask R-CNN. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2961–2969. DOI: 10.1109/ICCV.2017.322 ↗
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Transfer Learning Applied to Instance Segmentation Networks. ScholarGate. https://scholargate.app/no/deep-learning/transfer-learning-with-instance-segmentation
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.
- InstanssegmenteringDyp læring↔ compare
- Semantisk segmenteringDyp læring↔ compare
- Overføringslæring med bildeklassifiseringDyp læring↔ compare
- Overføringslæring med objektdeteksjonDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →