Överföringsinlärning med bildklassificering
Överföringsinlärning med bildklassificering återanvänder en djup neural nätverksryggrad — typiskt en CNN eller Vision Transformer — förtränad på en stor datamängd såsom ImageNet, och anpassar den för att klassificera bilder i en ny måldomän. Genom att ärva generella visuella drag från källuppgiften uppnår metoden hög noggrannhet med betydligt färre märkta bilder än vid träning från grunden.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/sv/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.
- Finjusterad faltningsnät (CNN)Djupinlärning↔ compare
- Finjusterad Vision TransformerDjupinlärning↔ compare
- BildklassificeringDjupinlärning↔ compare
- Transferinlärning med objektdetekteringDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →