Machine learningDeep learning / NLP / CV

Обучение с переносом для классификации изображений

Обучение с переносом для классификации изображений повторно использует глубокую нейронную сеть — как правило, сверточную нейронную сеть (CNN) или Vision Transformer — предварительно обученную на большом наборе данных, таком как ImageNet, и адаптирует ее для классификации изображений в новой целевой области. Наследуя общие визуальные признаки из исходной задачи, этот подход достигает высокой точности при гораздо меньшем количестве размеченных изображений по сравнению с обучением с нуля.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Источники

  1. Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191
  2. Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25. link

Как цитировать эту страницу

ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/ru/deep-learning/transfer-learning-with-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.

Compare side by side

Упоминается в

ScholarGateTransfer Learning with Image Classification (Transfer Learning with Pretrained Deep Neural Networks for Image Classification). Получено 2026-06-15 из https://scholargate.app/ru/deep-learning/transfer-learning-with-image-classification · Набор данных: https://doi.org/10.5281/zenodo.20539026