Детекция на обекти с малко примери (Few-Shot Object Detection)
Детекцията на обекти с малко примери (FSOD) е подход, базиран на метаобучение, който позволява откриването на нови класове обекти само от няколко анотирани примера. За разлика от стандартната детекция на обекти, която изисква стотици маркирани екземпляри на клас, FSOD се учи бързо да адаптира модели за детекция към нови категории обекти, като използва знания от базови категории.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Wang, X., Huang, T. E., Darrell, T., Gonzalez, J. E., & Yu, F. (2020). Few-shot object detection with attention-RPN and multi-relation detector. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 9050-9059). link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Few-Shot Object Detection with Contrastive Learning. ScholarGate. https://scholargate.app/bg/deep-learning/few-shot-object-detection
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- DETR (Detection Transformer)Дълбоко обучение↔ сравняване
- SimCLRДълбоко обучение↔ сравняване
- Swin TransformerДълбоко обучение↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →