Навчання з переносом для сегментації екземплярів
Навчання з переносом для сегментації екземплярів використовує згорткову мережу-основу, попередньо навчену на великому корпусі зображень (зазвичай ImageNet або COCO), як екстрактор ознак для моделі сегментації екземплярів, такої як Mask R-CNN, а потім доналаштовує весь конвеєр на меншому цільовому наборі даних. Цей підхід забезпечує найвищу точність масок для кожного об'єкта з часткою розмічених даних та обчислювальних ресурсів, які вимагало б навчання з нуля.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- He, K., Gkioxari, G., Dollar, P., & Girshick, R. (2017). Mask R-CNN. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2961–2969. DOI: 10.1109/ICCV.2017.322 ↗
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Transfer Learning Applied to Instance Segmentation Networks. ScholarGate. https://scholargate.app/uk/deep-learning/transfer-learning-with-instance-segmentation
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.
- Сегментація екземплярівГлибоке навчання↔ compare
- Семантична сегментаціяГлибоке навчання↔ compare
- Трансферне навчання для класифікації зображеньГлибоке навчання↔ compare
- Трансферне навчання з детекцією об'єктівГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →