การเรียนรู้แบบถ่ายโอนสำหรับการจำแนกประเภทรูปภาพ
การเรียนรู้แบบถ่ายโอนสำหรับการจำแนกประเภทรูปภาพ (Transfer Learning with Image Classification) ใช้โครงข่ายประสาทเทียมเชิงลึก (deep neural network) ที่ได้รับการฝึกฝนล่วงหน้า (pretrained backbone) ซึ่งโดยทั่วไปคือ CNN หรือ Vision Transformer ที่ฝึกฝนบนชุดข้อมูลขนาดใหญ่ เช่น ImageNet และปรับให้เข้ากับการจำแนกรูปภาพในโดเมนเป้าหมายใหม่ ด้วยการสืบทอดคุณลักษณะทางภาพทั่วไปจากงานต้นทาง วิธีการนี้จึงให้ความแม่นยำสูงโดยใช้รูปภาพที่มีป้ายกำกับน้อยกว่าการฝึกฝนตั้งแต่ต้นอย่างมาก
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
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 ↗
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Transfer Learning with Pretrained Deep Neural Networks for Image Classification. ScholarGate. https://scholargate.app/th/deep-learning/transfer-learning-with-image-classification
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
- วิชันทรานส์ฟอร์มเมอร์ที่ปรับละเอียดการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทรูปภาพการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนกับการตรวจจับวัตถุการเรียนรู้เชิงลึก↔ compare