DETR (Detection Transformer)
DETR (Detection Transformer) on Carioni jt poolt 2020. aastal tutvustatud lõpp-lõpuni objektituvastuse raamistik, mis reformuleerib tuvastamise otsese komplektiprognoosi probleemina, kasutades transformereid. Erinevalt traditsioonilistest lähenemisviisidest, mis kasutavad käsitsi valmistatud järeltoiminguid, nagu mittenmaksimaalne summutamine, käsitleb DETR objektituvastust järjestus-järjestusse probleemina, kus transformeri abil prognoositakse kõik objektid korraga.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). End-to-End Object Detection with Transformers. ScholarGate. https://scholargate.app/et/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.
- Maskeeritud autoenkoodridSüvaõpe↔ compare
- Segment Anything ModelSüvaõpe↔ compare
- Swin TransformerSüvaõpe↔ compare
- Vision MambaSüvaõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →