การเรียนรู้แบบถ่ายโอนกับการตรวจจับวัตถุ
การเรียนรู้แบบถ่ายโอน (Transfer learning) กับการตรวจจับวัตถุเริ่มต้นจากการใช้โครงข่ายประสาทเทียมเชิงลึกที่ได้รับการฝึกฝนล่วงหน้าด้วยชุดข้อมูลรูปภาพขนาดใหญ่ ซึ่งโดยทั่วไปคือ ImageNet สำหรับส่วน Backbone หรือ COCO สำหรับตัวตรวจจับแบบเต็ม จากนั้นจึงปรับให้เข้ากับการตรวจจับวัตถุในโดเมนใหม่ ด้วยการนำการแสดงภาพที่เรียนรู้มาใช้ซ้ำ ทำให้ได้ความแม่นยำในการตรวจจับที่ดีเยี่ยมโดยใช้รูปภาพที่มีคำอธิบายประกอบน้อยกว่าการฝึกฝนตั้งแต่เริ่มต้นมาก
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 ↗
- Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards real-time object detection with region proposal networks. Advances in Neural Information Processing Systems (NeurIPS), 28. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Transfer Learning Applied to Object Detection. ScholarGate. https://scholargate.app/th/deep-learning/transfer-learning-with-object-detection
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
- การตรวจจับวัตถุการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนสำหรับการจำแนกประเภทรูปภาพการเรียนรู้เชิงลึก↔ compare