Трансферне навчання з детекцією об'єктів
Трансферне навчання з детекцією об'єктів починається з глибокої нейронної мережі, попередньо навченої на великому наборі зображень — зазвичай ImageNet для основи (backbone) або COCO для повного детектора — і адаптується для виявлення об'єктів у новій області. Повторно використовуючи вивчені візуальні представлення, воно досягає високої точності детекції з набагато меншою кількістю анотованих зображень, ніж 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
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Transfer Learning Applied to Object Detection. ScholarGate. https://scholargate.app/uk/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.
- Тонке налаштування згорткової нейронної мережі (CNN)Глибоке навчання↔ compare
- Виявлення об'єктівГлибоке навчання↔ compare
- Трансферне навчання для класифікації зображеньГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →