Otkrivanje objekata s malo primjera
Otkrivanje objekata s malo primjera (Few-Shot Object Detection, FSOD) je pristup meta-učenja koji omogućuje otkrivanje novih klasa objekata iz samo nekoliko anotiranih primjera. Za razliku od standardnog otkrivanja objekata koje zahtijeva stotine označenih instanci po klasi, FSOD uči brzo prilagoditi modele za otkrivanje novim kategorijama objekata iskorištavanjem znanja iz osnovnih kategorija.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Few-Shot Object Detection with Contrastive Learning. ScholarGate. https://scholargate.app/hr/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)Duboko učenje↔ compare
- SimCLRDuboko učenje↔ compare
- Swin TransformerDuboko učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →