Что такое перенос обучения (transfer learning) и чем извлечение признаков отличается от полного дообучения?

Transfer learning — переиспользование весов модели, обученной на большом датасете, для новой задачи. Feature extraction замораживает backbone и обучает только новую голову — быстро, мало данных, мало overfitting. Full fine-tuning размораживает все или часть слоёв и доучивает их с маленьким learning rate — выше потенциал точности, но требует больше данных и риск катастрофического забывания.