DETR (Detection Transformer)
A DETR (Detection Transformer) egy 2020-ban Carion et al. által bevezetett, végponttól végpontig tartó keretrendszer objektumdetektáláshoz, amely a detektálást transzformerek segítségével közvetlen halmazpredikciós problémaként fogalmazza át. Ellentétben a hagyományos megközelítésekkel, amelyek kézzel készített utófeldolgozást, például nem-maximális szuppressziót használnak, a DETR az objektumdetektálást egy sorrend-sorrend problémaként kezeli, ahol a transzformer az összes objektumot egyszerre jósolja meg.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). End-to-End Object Detection with Transformers. ScholarGate. https://scholargate.app/hu/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.
- Maszkolt AutoenkóderekMélytanulás↔ compare
- Segment Anything ModelMélytanulás↔ compare
- Swin TransformerMélytanulás↔ compare
- Vision MambaMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →