Machine learningDeep learning / NLP / CV
اكتشاف الكائنات
اكتشاف الكائنات هو مهمة رؤية حاسوبية تقوم فيها شبكة عصبية عميقة بتحديد وتصنيف كل مثيل لفئة كائن واحدة أو أكثر في صورة بشكل متزامن، مما ينتج عنه صندوق محيط وتسمية فئة لكل كائن مكتشف. تحقق الكاشفات الحديثة - من عائلة R-CNN إلى YOLO و DETR - دقة قريبة من الدقة البشرية بسرعات في الوقت الفعلي على المعايير القياسية.
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.
+6 more
المصادر
- Girshick, R., Donahue, J., Darrell, T., & Malik, J. (2014). Rich feature hierarchies for accurate object detection and semantic segmentation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 580–587. DOI: 10.1109/CVPR.2014.81 ↗
- Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You Only Look Once: Unified, Real-Time Object Detection. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 779–788. DOI: 10.1109/CVPR.2016.91 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Object Detection (Region-Based and Anchor-Free Deep Neural Network Models). ScholarGate. https://scholargate.app/ar/deep-learning/object-detection
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.
- تصنيف الصورالتعلم العميق↔ compare
- تقسيم الكيانات (Instance Segmentation)التعلم العميق↔ compare
- التجزئة الدلاليةالتعلم العميق↔ compare
يُستشهد بها في
تصنيف الصور القابل للتفسيرالكشف عن الأشياء القابل للتفسيرالشبكة العصبونية الالتفافية المُحسَّنة بدقةتصنيف الصور المضبوط بدقةتصنيف الصورتقسيم الكيانات (Instance Segmentation)تجزئة الكائنات متعددة الوسائطاكتشاف الأجسام متعدد الوسائطاكتشاف الكائنات ذاتي الإشرافالتجزئة الدلاليةاكتشاف الكائنات شبه المُشرف عليهنقل التعلم باستخدام الشبكات العصبية الالتفافيةالتعلم بالنقل مع كشف الكائناتتجزئة المثيلات ضعيفة الإشرافالكشف عن الكائنات بإشراف ضعيفالتجزئة الدلالية بالإشراف الضعيف