Método de aprendizaje profundo con adaptación de dominio-tarea y ajuste fino específico del cliente del modelo YOLO11 para contar tomates de invernadero
Autores: Glukhikh, Igor; Glukhikh, Dmitry; Gubina, Anna; Chernysheva, Tatiana
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Método de aprendizaje profundo con adaptación de dominio-tarea y ajuste fino específico del cliente del modelo YOLO11 para contar tomates de invernadero
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Tareas
Evaluación operativa
Sistemas de visión por computadora
Datos de entrenamiento
Modelos de redes neuronales
Modelos de detección
Ajuste fino
Conjunto de datos
YOLO
Precisión de validación
Requisitos de recursos computacionales
Entornos de invernadero
Algoritmo
Conteo de tomates
Cuadros de video
Sistemas de vigilancia
Eficiencia de monitoreo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
Este estudio propone un método para el entrenamiento secuencial de modelos de detección, incorporando Adaptación de Dominio-Tarea y Ajuste Fino Específico del Cliente.
Descripción
Este estudio propone un método para el entrenamiento secuencial de modelos de detección, incorporando Adaptación de Dominio-Tarea y Ajuste Fino Específico del Cliente.