เปรียบเทียบวิธี

	การเรียนรู้แบบถ่ายโอนสำหรับการจำแนกประเภทรูปภาพ	การจำแนกประเภทรูปภาพ
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2010–2012	2012 (deep CNN era); conceptual roots 1989 (LeCun)
ผู้ริเริ่ม	Pan, S. J. & Yang, Q. (transfer learning framework); Krizhevsky, Sutskever & Hinton (deep CNN backbone)	Krizhevsky, A.; Sutskever, I.; Hinton, G. E.
ประเภท	Transfer learning / supervised classification	Supervised classification task
แหล่งต้นตำรับ	Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.	Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems (NeurIPS), 25, 1097–1105.
ชื่อเรียกอื่น	pretrained CNN image classification, fine-tuned image classifier, domain-adapted image classifier, TL-IC	visual classification, image recognition, CNN-based classification, visual categorization
ที่เกี่ยวข้อง	4	5
สรุป	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.	Image classification is the task of assigning a single semantic label to an entire image from a fixed set of categories. Modern approaches rely on deep convolutional neural networks (CNNs) or Vision Transformers (ViTs) trained end-to-end on large labeled datasets such as ImageNet, achieving superhuman accuracy on many benchmarks and underpinning applications from medical imaging to autonomous vehicles.