17.迁移学习

迁移学习,是将已经训练好的机器学习模型,应用到不同的但相关的问题上。

通过迁移学习,将一个预训练模型(pretrained model)通过微调(fine-tune)用以提高另一个任务的泛化能力,将在任务A中学到的权重,转移到新的任务B中。

ImageNet比赛,使用的是ImageNet数据集的一部分,内容是进行1000个类的分类任务,每个类大约有1000张图像。具体的,有1.2million,5万验证集,15万测试集。

ILSVRC从2010年开始举办,到2017年最后一届,期间孕育了大量经典网络:AlexNet、ZFNet、OverFeat、VGG、Inception、ResNet,以及16年后的WideResNet、FractalNet、DenseNet、ResNeXt、DPN、SENet

预训练模型

pytorch

https://docs.pytorch.org/vision/stable/models.html#classification

相关推荐
864记忆14 小时前
opencv图像预处理函数的功能与作用
人工智能·opencv·计算机视觉
神仙别闹15 小时前
基于C#实现(WinForm)数值分析(图像扭曲变形)
人工智能
光影少年15 小时前
AIGG人工智能生态及学习路线和应用领域
人工智能·学习
俊男无期15 小时前
【AI入门】什么是训练和推理
人工智能
递归不收敛15 小时前
多模态学习大纲笔记(未完成)
人工智能·笔记·学习·自然语言处理
碧海银沙音频科技研究院15 小时前
DiVE长尾识别的虚拟实例蒸馏方法
arm开发·人工智能·深度学习·算法·音视频
彩云回15 小时前
堆叠泛化(Stacking)
人工智能·机器学习·1024程序员节
AI浩15 小时前
FMC-DETR:面向航拍视角目标检测的频域解耦多域协同方法
人工智能·目标检测·计算机视觉
AI浩15 小时前
基于多焦点高斯邻域注意力机制与大规模基准的视频人群定位
人工智能·深度学习·音视频