Fino podešena konvoluciona neuronska mreža
Fino podešavanje CNN-a podrazumeva polazak od mreže koja je već obučena na velikom skupu podataka — tipično ImageNet — i nastavljanje obuke na manjem ciljnom skupu podataka kako bi se model prilagodio novom zadatku korišćenjem naučenih vizuelnih karakteristika. Ovaj pristup dramatično smanjuje potrebne podatke i računarsku snagu za postizanje snažnih performansi u poređenju sa obukom od nule.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Fine-Tuned Convolutional Neural Network (CNN Fine-Tuning via Transfer Learning). ScholarGate. https://scholargate.app/sr/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.
- Fino podešena rekurentna neuronska mrežaDuboko učenje↔ compare
- Fine-Tuned Vision TransformerDuboko učenje↔ compare
- Класификација сликаDuboko učenje↔ compare
- Detekcija objekataDuboko učenje↔ compare
- Трансферно учење са конволуционом неуронском мрежомDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →