Дообученная (fine-tuned) свёрточная нейронная сеть
Дообучение свёрточной нейронной сети (CNN) означает начало работы с сетью, уже обученной на большом наборе данных — как правило, ImageNet — и продолжение обучения на меньшем целевом наборе данных, чтобы модель адаптировала свои извлечённые визуальные признаки к новой задаче. Этот подход значительно сокращает объём данных и вычислительных ресурсов, необходимых для достижения высокой производительности, по сравнению с обучением с нуля.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Источники
- Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems, 27. link ↗
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Fine-Tuned Convolutional Neural Network (CNN Fine-Tuning via Transfer Learning). ScholarGate. https://scholargate.app/ru/deep-learning/fine-tuned-convolutional-neural-network
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.
- Дообученная рекуррентная нейронная сетьГлубокое обучение↔ compare
- Дообученный Vision TransformerГлубокое обучение↔ compare
- Классификация изображенийГлубокое обучение↔ compare
- Обнаружение объектовГлубокое обучение↔ compare
- Transfer Learning with Convolutional Neural NetworkГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →