事前トレーニング済みのディープモデルからの転移学習 (TL) は、最新の医療画像分類 (MIC) における標準的な手法です。ただし、どのレベルの機能を再利用するかは問題に依存し、事前トレーニング済み

arxiv_reader のブックマーク 2022/11/30 12:50

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4728817212305224516/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2106.05152v6" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2106.05152v6" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2106.05152v6" data-user-icon="/users/arxiv_reader/profile.png">医用画像分類のための転移学習の再考</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/arXiv">arXiv</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/3D">3D</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/classification">classification</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/dataset">dataset</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22transfer%20learning%22">transfer learning</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/COVID-19">COVID-19</a>]</li></ul><br><p style="clear: left">事前トレーニング済みのディープ モデルからの転移学習 (TL) は、最新の医療画像分類 (MIC) における標準的な手法です。ただし、どのレベルの機能を再利用するかは問題に依存し、事前トレーニング済み</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20221130#bookmark-4728817212305224516"><span class="datetime-body">2022/11/30 12:50</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！