deep-learning - 使用主干架构和迁移学习有什么区别?
问题描述
嗨,我对这个领域(深度学习,计算机视觉)超级陌生,所以这个问题听起来可能很愚蠢。
在此链接(https://github.com/GeorgeSeif/Semantic-Segmentation-Suite)中,有称为前端模型的预训练模型(例如,ResNet101)。它们用于特征提取器。我发现这些模型通常被称为骨干模型/架构。链接说一些主要模型(例如 DeepLabV3、PSPNet)依赖于预训练的 ResNet。
此外,迁移学习是采用在大型数据集上训练的模型并将其知识转移到较小的数据集,对吗?
那么我的问题是,
1.依赖预训练ResNet的模型基本做迁移学习吗?
2.如果我使用像ResNet101这样的预训练网络作为主模型(如U-Net,SegNet)的主干架构进行图像分割,它是否被认为是迁移学习?
对不起我的英语不好,如果你回答这个问题,我会非常感激。谢谢你。
解决方案
推荐阅读
- google-apps-script - 使用 Google Script 使用多个值作为文档名称创建新文档
- c# - 将字典重构为 ConcurrentDictionary
- python - 如何在训练期间停止 TensorFlow 数据集迭代器?
- sql - 在没有活动的情况下运行 DB2 Runstats 但仍然得到 SQLSTATE=01650
- reactjs - React FullCalendar V4 不会使用新事件更新日历视图
- python - Python:提高日志写入文件的性能
- javascript - 与字典元素打字稿比较
- python - 在 Pandas 数据框上应用列表
- c# - c# winforms:无法将DTG中多行的数据导出到excel中的最后一个可用行
- python - 为什么只有当我追加到列表时方括号才会出现在 Pandas DataFrame 中?