Clasificarea imaginilor cu rețele neuronale convoluționale (CNN)
Clasificarea imaginilor cu CNN utilizează arhitecturi convoluționale profunde, precum ResNet (He et al., 2016), VGG și EfficientNet (Tan & Le, 2019), pentru a sorta imaginile în categorii. Straturile convoluționale suprapuse învață o ierarhie de caracteristici vizuale direct din pixeli, iar conexiunile reziduale (skip connections) previn problema dispariției gradientului în rețele foarte profunde.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- He, K., Zhang, X., Ren, S. & Sun, J. (2016). Deep Residual Learning for Image Recognition. CVPR. DOI: 10.1109/CVPR.2016.90 ↗
- Tan, M. & Le, Q.V. (2019). EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. ICML, PMLR 97, 6105–6114. arXiv:1905.11946. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 1). Convolutional Neural Network Image Classification (ResNet / VGG / EfficientNet). ScholarGate. https://scholargate.app/ro/deep-learning/cnn-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.
- CNN dilatatăÎnvățare profundă↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
- Mașina cu Vectori Suport (Clasificare)Învățare automată↔ compare
- TextCNNÎnvățare profundă↔ compare
- XGBoostÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →