Detección de objetos auto-supervisada
La detección de objetos auto-supervisada utiliza datos de imágenes sin etiquetar para pre-entrenar una red troncal visual a través de tareas pretexto como el aprendizaje contrastivo o el modelado de imágenes enmascaradas, y luego ajusta la red troncal con una cabeza de detección en un conjunto de datos etiquetado más pequeño. Este enfoque reduce drásticamente la dependencia de costosas anotaciones de cuadros delimitadores, al tiempo que iguala o se acerca al rendimiento de la detección totalmente supervisada.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Self-supervised Pre-training for Object Detection. ScholarGate. https://scholargate.app/es/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.
- Detección de objetosAprendizaje profundo↔ compare
- Clasificación de imágenes auto-supervisadaAprendizaje profundo↔ compare
- Detección de Objetos Semi-supervisadaAprendizaje profundo↔ compare
- Aprendizaje por transferencia con detección de objetosAprendizaje profundo↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →