Классификация изображений
Классификация изображений — это задача присвоения единой семантической метки всему изображению из фиксированного набора категорий. Современные подходы опираются на глубокие свёрточные нейронные сети (CNN) или Vision Transformers (ViT), обученные end-to-end на больших размеченных наборах данных, таких как ImageNet, демонстрируя сверхчеловеческую точность на многих бенчмарках и лежа в основе приложений от медицинской визуализации до автономных транспортных средств.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+14 more
Источники
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems (NeurIPS), 25, 1097–1105. link ↗
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 770–778. DOI: 10.1109/CVPR.2016.90 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Deep Learning Image Classification. ScholarGate. https://scholargate.app/ru/deep-learning/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.
- Дообучение классификации изображенийГлубокое обучение↔ compare
- Обнаружение объектовГлубокое обучение↔ compare
- Семантическая сегментацияГлубокое обучение↔ compare
- Обучение с переносом для классификации изображенийГлубокое обучение↔ compare
- Vision TransformerГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →