Dostrojona konwolucyjna sieć neuronowa
Dostrajanie CNN polega na rozpoczęciu od sieci już wytrenowanej na dużym zbiorze danych – zazwyczaj ImageNet – i kontynuowaniu treningu na mniejszym, docelowym zbiorze danych, aby model dostosował nauczone cechy wizualne do nowego zadania. Takie podejście znacząco redukuje ilość danych i zasobów obliczeniowych potrzebnych do osiągnięcia wysokiej wydajności w porównaniu z trenowaniem od zera.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Źródła
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems, 27. link ↗
- Tajbakhsh, N., Shin, J. Y., Gurudu, S. R., Hurst, R. T., Kendall, C. B., Gotway, M. B., & Liang, J. (2016). Convolutional neural networks for medical image analysis: Full training or fine tuning? IEEE Transactions on Medical Imaging, 35(5), 1299–1312. DOI: 10.1109/TMI.2016.2535302 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Fine-Tuned Convolutional Neural Network (CNN Fine-Tuning via Transfer Learning). ScholarGate. https://scholargate.app/pl/deep-learning/fine-tuned-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.
- Dostrojona rekurencyjna sieć neuronowaUczenie głębokie↔ compare
- Dostrojony Vision TransformerUczenie głębokie↔ compare
- Klasyfikacja obrazówUczenie głębokie↔ compare
- Detekcja obiektówUczenie głębokie↔ compare
- Uczenie transferowe z konwolucyjną siecią neuronowąUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →