Klasyfikacja obrazów
Klasyfikacja obrazów to zadanie przypisania pojedynczej etykiety semantycznej do całego obrazu z ustalonego zbioru kategorii. Współczesne podejścia opierają się na głębokich konwolucyjnych sieciach neuronowych (CNN) lub Vision Transformers (ViT) trenowanych end-to-end na dużych zbiorach danych z etykietami, takich jak ImageNet, osiągając nadludzką dokładność w wielu benchmarkach i stanowiąc podstawę aplikacji od obrazowania medycznego po pojazdy autonomiczne.
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.
+14 more
Źródła
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems (NeurIPS), 25, 1097–1105. link ↗
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770–778. DOI: 10.1109/CVPR.2016.90 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Deep Learning Image Classification. ScholarGate. https://scholargate.app/pl/deep-learning/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.
- Dostrajanie klasyfikacji obrazówUczenie głębokie↔ compare
- Detekcja obiektówUczenie głębokie↔ compare
- Segmentacja semantycznaUczenie głębokie↔ compare
- Transfer Learning z klasyfikacją obrazówUczenie głębokie↔ compare
- Vision TransformerUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →