DETR (ডিটেকশন ট্রান্সফরমার)
DETR (ডিটেকশন ট্রান্সফরমার) হলো একটি এন্ড-টু-এন্ড অবজেক্ট ডিটেকশন ফ্রেমওয়ার্ক যা Carion et al. ২০২০ সালে প্রবর্তন করেন। এটি ট্রান্সফরমার ব্যবহার করে ডিটেকশনকে সরাসরি সেট প্রেডিকশন সমস্যা হিসেবে পুনর্গঠন করে। নন-ম্যাক্সিমাম সাপ্রেশন (non-maximum suppression)-এর মতো হস্তনির্মিত পোস্ট-প্রসেসিং ব্যবহারকারী ঐতিহ্যবাহী পদ্ধতির বিপরীতে, DETR অবজেক্ট ডিটেকশনকে একটি সিকোয়েন্স-টু-সিকোয়েন্স সমস্যা হিসেবে দেখে যেখানে ট্রান্সফরমার একবারে সমস্ত অবজেক্টের ভবিষ্যদ্বাণী করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- 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 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). End-to-End Object Detection with Transformers. ScholarGate. https://scholargate.app/bn/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.
- মাস্কড অটোএনকোডারগভীর শিখন↔ compare
- সেগমেন্ট এনিথিং মডেলগভীর শিখন↔ compare
- সুইন ট্রান্সফরমার (Swin Transformer)গভীর শিখন↔ compare
- ভিশন মাম্বাগভীর শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →