Machine learningDeep Learning, Object Detection
DETR (كاشف المحولات)
DETR (كاشف المحولات) هو إطار عمل شامل للكشف عن الكائنات قدمه Carion وآخرون في عام 2020، والذي يعيد صياغة الكشف كمشكلة تنبؤ مباشرة بالمجموعات باستخدام المحولات. على عكس الأساليب التقليدية التي تستخدم معالجة لاحقة مصممة يدويًا مثل قمع الحد الأقصى غير الأقصى، يعامل DETR الكشف عن الكائنات كمشكلة تسلسل إلى تسلسل حيث تتنبأ المحولات بجميع الكائنات دفعة واحدة.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Carion, N., Massa, F., Synnaeve, G., Usunier, N., Kirillov, A., & Zagoruyko, S. (2020). End-to-end object detection with transformers. In European Conference on Computer Vision (pp. 213-229). Springer, Cham. DOI: 10.1007/978-3-030-58452-8_13 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). End-to-End Object Detection with Transformers. ScholarGate. https://scholargate.app/ar/deep-learning/detr
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- المشفرات التلقائية المقنعةالتعلم العميق↔ compare
- نموذج تجزئة أي شيءالتعلم العميق↔ compare
- محول سوين (Swin Transformer)التعلم العميق↔ compare
- رؤية مانجاماالتعلم العميق↔ compare