เปรียบเทียบวิธี

	การจำแนกภาพแบบปรับละเอียด	การเรียนรู้แบบถ่ายโอนสำหรับการจำแนกประเภทรูปภาพ
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2010–2014	2010–2012
ผู้ริเริ่ม	Yosinski, J. et al.; Pan, S. J. & Yang, Q.	Pan, S. J. & Yang, Q. (transfer learning framework); Krizhevsky, Sutskever & Hinton (deep CNN backbone)
ประเภท	Transfer learning / fine-tuning	Transfer learning / supervised classification
แหล่งต้นตำรับ	Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems (NeurIPS), 27, 3320–3328.	Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.
ชื่อเรียกอื่น	fine-tuning for image recognition, transfer learning image classifier, pretrained CNN fine-tuning, domain-specific image classifier	pretrained CNN image classification, fine-tuned image classifier, domain-adapted image classifier, TL-IC
ที่เกี่ยวข้อง	5	4
สรุป	Fine-tuned image classification adapts a large neural network pretrained on a broad image corpus (such as ImageNet) to a specific target domain by continuing training on labeled domain images. This approach achieves strong accuracy with far fewer target-domain samples than training from scratch, making it the dominant paradigm for applied computer vision tasks.	Transfer Learning with Image Classification reuses a deep neural network backbone — typically a CNN or Vision Transformer — pretrained on a large dataset such as ImageNet, and adapts it to classify images in a new target domain. By inheriting general visual features from the source task, the approach achieves high accuracy with far fewer labeled images than training from scratch.