Vähänkuvausobjektintunnistus
Vähänkuvausobjektintunnistus (Few-Shot Object Detection, FSOD) on metaoppimiseen perustuva lähestymistapa, joka mahdollistaa uusien objektiluokkien tunnistamisen vain muutamasta annotoidusta esimerkistä. Toisin kuin tavallinen objektintunnistus, joka vaatii satoja merkittyjä esiintymiä luokkaa kohden, FSOD oppii nopeasti mukauttamaan tunnistusmalleja uusiin objektikategorioihin hyödyntämällä tietoa perusluokista.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Few-Shot Object Detection with Contrastive Learning. ScholarGate. https://scholargate.app/fi/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)Syväoppiminen↔ compare
- SimCLRSyväoppiminen↔ compare
- Swin TransformerSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →