Prenosové učenie s klasifikáciou obrazu
Prenosové učenie s klasifikáciou obrazu opätovne využíva základnú architektúru hlbokej neurónovej siete – typicky CNN alebo Vision Transformer – predtrénovanú na rozsiahlej databáze, ako je ImageNet, a prispôsobuje ju na klasifikáciu obrazov v novej cieľovej doméne. Dedením všeobecných vizuálnych rysov zo zdrojovej úlohy tento prístup dosahuje vysokú presnosť s oveľa menším počtom označených obrazov v porovnaní s trénovaním od začiatku.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/sk/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.
- Jemne doladená konvolučná neurónová sieťHlboké učenie↔ compare
- Jemne doladený Vision TransformerHlboké učenie↔ compare
- Klasifikácia obrazuHlboké učenie↔ compare
- Prenos učenia s detekciou objektovHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →