เปรียบเทียบวิธี

	การเรียนรู้แบบถ่ายโอนสำหรับการจำแนกประเภทรูปภาพ	การเรียนรู้แบบถ่ายโอนกับการตรวจจับวัตถุ
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2010–2012	2010–2014
ผู้ริเริ่ม	Pan, S. J. & Yang, Q. (transfer learning framework); Krizhevsky, Sutskever & Hinton (deep CNN backbone)	Girshick, R. et al. (R-CNN line); Pan & Yang (transfer learning framework)
ประเภท	Transfer learning / supervised classification	Transfer learning / fine-tuning
แหล่งต้นตำรับ	Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.	Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.
ชื่อเรียกอื่น	pretrained CNN image classification, fine-tuned image classifier, domain-adapted image classifier, TL-IC	pretrained object detector, fine-tuned object detection, TL-OD, domain-adapted object detection
ที่เกี่ยวข้อง	4	3
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.	Transfer learning with object detection starts from a deep neural network pretrained on a large image dataset — typically ImageNet for the backbone or COCO for the full detector — and adapts it to detect objects in a new domain. By reusing learned visual representations, it achieves strong detection accuracy with far fewer annotated images than training from scratch would require.