Transfer Learning z klasyfikacją obrazów
Transfer Learning z klasyfikacją obrazów wykorzystuje głęboką sieć neuronową — zazwyczaj CNN lub Vision Transformer — wstępnie wytrenowaną na dużym zbiorze danych, takim jak ImageNet, i adaptuje ją do klasyfikacji obrazów w nowej, docelowej dziedzinie. Dziedzicząc ogólne cechy wizualne z zadania źródłowego, podejście to osiąga wysoką dokładność przy znacznie mniejszej liczbie oznakowanych obrazów niż w przypadku trenowania 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.
Źródła
- 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 ↗
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/pl/deep-learning/transfer-learning-with-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
- Uczenie transferowe z detekcją obiektówUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →