Классификация изображений с помощью свёрточных нейронных сетей (CNN)
Классификация изображений с помощью CNN использует глубокие свёрточные архитектуры, такие как ResNet (He et al., 2016), VGG и EfficientNet (Tan & Le, 2019), для сортировки изображений по категориям. Последовательные свёрточные слои обучают иерархию визуальных признаков непосредственно из пикселей, а остаточные (пропускающие) соединения предотвращают проблему затухания градиента в очень глубоких сетях.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 1). Convolutional Neural Network Image Classification (ResNet / VGG / EfficientNet). ScholarGate. https://scholargate.app/ru/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.
- Сверточная нейронная сеть с дилатациейГлубокое обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- Метод опорных векторов (классификация)Машинное обучение↔ compare
- TextCNNГлубокое обучение↔ compare
- XGBoostМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →