Zapis dowodowy metody
Fine-Tuned Convolutional Neural Network
Fine-tuning a CNN means starting from a network already trained on a large dataset — typically ImageNet — and continuing training on a smaller target dataset so the model adapts its learned visual features to a new task. This approach dramatically reduces the data and compute required to reach strong performance compared with training from scratch.
Zapis źródłowy
Cytaty skopiowane dosłownie z zapisu źródłowego metody. Nie należy z nich wywnioskować weryfikacji na poziomie twierdzenia.
Fine-Tuned Convolutional Neural Network (CNN Fine-Tuning via Transfer Learning)
Taksonomiczny zapis metody · ml-model / deep-learning
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems, 27. · URL
- 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
Wyselekcjonowane twierdzenia
Twierdzenia utrwalone w rejestrze dowodowym, każde z własną oceną.
Brak wyselekcjonowanych twierdzeń
Ten widok nie tworzy oceny twierdzenia, jeśli rejestr jej nie zawiera.
Powiązane metody
Wygenerowane z grafu metod i pokazane jako sugerowane przez maszynę powiązania — nie należy z nich wywnioskować twierdzenia dowodowego.