Transfer Learning med instanssegmentering
Transfer learning med instanssegmentering återanvänder ett konvolutionellt basnätverk förtränat på ett stort bildkorpus (typiskt ImageNet eller COCO) som feature-extraktor för en instanssegmenteringsmodell såsom Mask R-CNN, och finjusterar sedan hela pipelinen på en mindre måldatamängd. Detta tillvägagångssätt ger toppmodern noggrannhet för per-objekt-masker med en bråkdel av den märkta datan och beräkningskraft som krävs för 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
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Transfer Learning Applied to Instance Segmentation Networks. ScholarGate. https://scholargate.app/sv/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.
- InstanssegmenteringDjupinlärning↔ compare
- Semantisk segmenteringDjupinlärning↔ compare
- Överföringsinlärning med bildklassificeringDjupinlärning↔ compare
- Transferinlärning med objektdetekteringDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →