Transferinlärning med objektdetektering
Transferinlärning med objektdetektering utgår från ett djupt neuralt nätverk som förtränats på ett stort bilddataset – typiskt ImageNet för ryggraden eller COCO för hela detektorn – och anpassar det för att detektera objekt i en ny domän. Genom att återanvända inlärda visuella representationer uppnås hög detekteringsnoggrannhet med betydligt färre annoterade bilder än vad som skulle krävas 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
- 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 ↗
- Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards real-time object detection with region proposal networks. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Transfer Learning Applied to Object Detection. ScholarGate. https://scholargate.app/sv/deep-learning/transfer-learning-with-object-detection
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
- ObjektdetekteringDjupinlärning↔ compare
- Överföringsinlärning med bildklassificeringDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →