Overføringslæring med objektdeteksjon
Overføringslæring med objektdeteksjon starter fra et dypt nevralt nettverk forhåndstrent på et stort bildedatasett – typisk ImageNet for ryggraden eller COCO for hele detektoren – og tilpasser det til å detektere objekter i et nytt domene. Ved å gjenbruke lærte visuelle representasjoner, oppnår det sterk deteksjonsnøyaktighet med langt færre annoterte bilder enn det som ville 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
- 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 ↗
- Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards real-time object detection with region proposal networks. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Transfer Learning Applied to Object Detection. ScholarGate. https://scholargate.app/no/deep-learning/transfer-learning-with-object-detection
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
- ObjektdeteksjonDyp læring↔ compare
- Overføringslæring med bildeklassifiseringDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →