Dostrajanie klasyfikacji obrazów
Dostrajanie klasyfikacji obrazów polega na adaptacji dużej sieci neuronowej, wstępnie wytrenowanej na szerokim korpusie obrazów (np. ImageNet), do specyficznej dziedziny docelowej poprzez kontynuowanie treningu na oznakowanych obrazach z tej dziedziny. Podejście to pozwala osiągnąć wysoką dokładność przy znacznie mniejszej liczbie próbek z dziedziny docelowej niż w przypadku trenowania od zera, co czyni je dominującym paradygmatem w zastosowaniach widzenia komputerowego.
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.
+1 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 (NeurIPS), 27, 3320–3328. link ↗
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Fine-Tuned Deep Neural Network for Image Classification. ScholarGate. https://scholargate.app/pl/deep-learning/fine-tuned-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.
- Dostrojona konwolucyjna sieć neuronowaUczenie głębokie↔ compare
- Dostrojony Vision TransformerUczenie głębokie↔ compare
- Klasyfikacja obrazówUczenie głębokie↔ compare
- Detekcja obiektówUczenie głębokie↔ compare
- Transfer Learning z klasyfikacją obrazówUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →