Ανίχνευση Αντικειμένων με Λίγα Παραδείγματα
Η Ανίχνευση Αντικειμένων με Λίγα Παραδείγματα (Few-Shot Object Detection, FSOD) είναι μια προσέγγιση μετα-μάθησης που επιτρέπει την ανίχνευση νέων κατηγοριών αντικειμένων από μόνο λίγα σχολιασμένα παραδείγματα. Σε αντίθεση με την τυπική ανίχνευση αντικειμένων που απαιτεί εκατοντάδες επισημασμένες περιπτώσεις ανά κατηγορία, η FSOD μαθαίνει να προσαρμόζει γρήγορα τα μοντέλα ανίχνευσης σε νέες κατηγορίες αντικειμένων, αξιοποιώντας τη γνώση από βασικές κατηγορίες.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Few-Shot Object Detection with Contrastive Learning. ScholarGate. https://scholargate.app/el/deep-learning/few-shot-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.
- DETR (Detection Transformer)Βαθιά Μάθηση↔ compare
- Το SimCLRΒαθιά Μάθηση↔ compare
- Swin TransformerΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →