Selv-superviseret objektgenkendelse
Selv-superviseret objektgenkendelse anvender umærkede billeddata til at fortræne en visuel backbone via forudgående opgaver som kontrastiv læring eller maskeret billedmodellering, og finjusterer derefter backbonen med et detektionshoved på et mindre mærket datasæt. Denne tilgang reducerer dramatisk afhængigheden af dyre bounding-box-annotationer, samtidig med at den matcher eller nærmer sig fuldt superviseret detektionsydelse.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- He, K., Fan, H., Wu, Y., Xie, S., & Girshick, R. (2020). Momentum Contrast for Unsupervised Visual Representation Learning. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 9729–9738. DOI: 10.1109/CVPR42600.2020.00975 ↗
- Caron, M., Touvron, H., Misra, I., Jégou, H., Mairal, J., Bojanowski, P., & Joulin, A. (2021). Emerging Properties in Self-Supervised Vision Transformers. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 9650–9660. DOI: 10.1109/ICCV48922.2021.00951 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Self-supervised Pre-training for Object Detection. ScholarGate. https://scholargate.app/da/deep-learning/self-supervised-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.
- ObjektdetektionDyb læring↔ compare
- Selv-overvåget billedklassifikationDyb læring↔ compare
- Semi-overvåget objektdetekteringDyb læring↔ compare
- Transfer Learning med ObjektdetekteringDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →