การเรียนรู้แบบถ่ายโอนด้วยโครงข่ายประสาทเทียมแบบสังวัตนาการ
การเรียนรู้แบบถ่ายโอนด้วย CNN เป็นการนำโครงข่ายประสาทเทียมแบบสังวัตนาการ (CNN) ที่ได้รับการฝึกฝนมาแล้วบนชุดข้อมูลขนาดใหญ่ โดยทั่วไปคือ ImageNet มาปรับใช้กับชุดข้อมูลเป้าหมายใหม่ ซึ่งมักจะมีขนาดเล็กกว่า วิธีนี้ช่วยให้นักวิจัยสามารถบรรลุประสิทธิภาพการรู้จำภาพที่แข็งแกร่งได้ โดยไม่ต้องใช้ทรัพยากรการประมวลผลและข้อมูลจำนวนมหาศาลที่จำเป็นในการฝึกฝน CNN ตั้งแต่ต้น
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
แหล่งอ้างอิง
- 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 ↗
- 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. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Transfer Learning with Convolutional Neural Network (Feature Extraction and Fine-Tuning). ScholarGate. https://scholargate.app/th/deep-learning/transfer-learning-with-convolutional-neural-network
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.
- Fine-Tuned Convolutional Neural Networkการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทรูปภาพการเรียนรู้เชิงลึก↔ compare
- การตรวจจับวัตถุการเรียนรู้เชิงลึก↔ compare
- Semantic Segmentationการเรียนรู้เชิงลึก↔ compare