Selbstüberwachte Objekterkennung
Selbstüberwachte Objekterkennung nutzt unbeschriftete Bilddaten zur Vortrainierung eines visuellen Backbones mittels Voraufgabensätzen wie kontrastivem Lernen oder Masked Image Modeling, gefolgt von einer Feinabstimmung des Backbones mit einem Detektionskopf auf einem kleineren beschrifteten Datensatz. Dieser Ansatz reduziert die Abhängigkeit von teuren Bounding-Box-Annotationen drastisch, während er die Leistung der vollständig überwachten Erkennung erreicht oder sich ihr annähert.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Self-supervised Pre-training for Object Detection. ScholarGate. https://scholargate.app/de/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.
- ObjekterkennungDeep Learning↔ compare
- Selbstüberwachte BildklassifikationDeep Learning↔ compare
- Semisupervidierte ObjektdetektionDeep Learning↔ compare
- Transfer Learning mit ObjekterkennungDeep Learning↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →