Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Класифікація зображень за допомогою згорткових нейронних мереж (CNN)× | Метод опорних векторів (класифікація)× | |
|---|---|---|
| Галузь≠ | Глибоке навчання | Машинне навчання |
| Родина | Machine learning | Machine learning |
| Рік появи≠ | 2016 | 1995 |
| Автор методу≠ | He, K. et al. (ResNet); Tan, M. & Le, Q.V. (EfficientNet) | Cortes, C. & Vapnik, V. |
| Тип≠ | Deep convolutional neural network (supervised) | Maximum-margin classifier (kernel method) |
| Основоположне джерело≠ | He, K., Zhang, X., Ren, S. & Sun, J. (2016). Deep Residual Learning for Image Recognition. CVPR. DOI ↗ | Cortes, C. & Vapnik, V. (1995). Support-Vector Networks. Machine Learning, 20, 273–297. DOI ↗ |
| Інші назви | CNN — Görüntü Sınıflandırma (ResNet / VGG / EfficientNet), convolutional neural network image classifier, deep image classification, ResNet / VGG / EfficientNet | Destek Vektör Makinesi (SVM — Sınıflandırma), support-vector network, SVM classifier, maximum-margin classifier |
| Пов'язані | 5 | 5 |
| Підсумок≠ | CNN image classification uses deep convolutional architectures such as ResNet (He et al., 2016), VGG and EfficientNet (Tan & Le, 2019) to sort images into categories. Stacked convolutional layers learn a hierarchy of visual features directly from pixels, and skip (residual) connections prevent the vanishing-gradient problem in very deep networks. | The Support Vector Machine, introduced by Corinna Cortes and Vladimir Vapnik in 1995, is a classifier that finds the optimal separating hyperplane between classes in a high-dimensional space. It chooses the boundary that leaves the widest possible margin to the nearest training points, which makes its decisions robust on new data. |
| ScholarGateНабір даних ↗ |
|
|