Kujifunza kwa Uhamishaji kwa Ugawaji wa Matukio
Kujifunza kwa uhamishaji kwa ugawaji wa matukio hutumia tena mtandao wa uti wa mgongo wa kunyumbulisha (convolutional network) uliopatiwa mafunzo ya awali kwenye mkusanyiko mkubwa wa picha (kwa kawaida ImageNet au COCO) kama kitoa sifa kwa ajili ya modeli ya ugawaji wa matukio kama vile Mask R-CNN, kisha hurekebisha vizuri mfumo mzima kwenye seti ndogo ya data lengwa. Mbinu hii inatoa usahihi wa hali ya juu wa barakoa kwa kila kitu kwa kutumia sehemu ndogo ya data iliyoandikwa na uwezo wa kompyuta ambao mafunzo kutoka mwanzo yangehitaji.
Soma mbinu kamili
Ingia kwa akaunti ya bure ili kusoma sehemu hii.
Method map
The neighbourhood of related methods — select a node to explore.
Vyanzo
- 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 ↗
Jinsi ya kunukuu ukurasa huu
ScholarGate. (2026, June 3). Transfer Learning Applied to Instance Segmentation Networks. ScholarGate. https://scholargate.app/sw/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.
- Uainishaji wa MatukioUjifunzaji wa Kina↔ compare
- Mgawanyo wa KisemantikiUjifunzaji wa Kina↔ compare
- Kujifunza kwa Kuhamisha kwa Uainishaji wa PichaUjifunzaji wa Kina↔ compare
- Kujifunza kwa Uhamishaji na Utambuzi wa VituUjifunzaji wa Kina↔ compare
Imerejelewa na
Umeona tatizo kwenye ukurasa huu? Ripoti au pendekeza marekebisho →