Трансферное обучение с сегментацией экземпляров
Трансферное обучение с сегментацией экземпляров повторно использует сверточную сеть-основу, предварительно обученную на большом корпусе изображений (обычно ImageNet или COCO), в качестве экстрактора признаков для модели сегментации экземпляров, такой как Mask R-CNN, а затем дообучает весь конвейер на меньшем целевом наборе данных. Этот подход обеспечивает высочайшую точность масок для каждого объекта при использовании лишь доли размеченных данных и вычислительных ресурсов, которые потребовались бы для обучения 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.
Источники
- He, K., Gkioxari, G., Dollar, P., & Girshick, R. (2017). Mask R-CNN. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2961–2969. DOI: 10.1109/ICCV.2017.322 ↗
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Transfer Learning Applied to Instance Segmentation Networks. ScholarGate. https://scholargate.app/ru/deep-learning/transfer-learning-with-instance-segmentation
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.
- Сегментация экземпляровГлубокое обучение↔ compare
- Семантическая сегментацияГлубокое обучение↔ compare
- Обучение с переносом для классификации изображенийГлубокое обучение↔ compare
- Трансферное обучение для детектирования объектовГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →