Kevésmintás objektumdetektálás
A kevésmintás objektumdetektálás (Few-Shot Object Detection, FSOD) egy meta-tanulási megközelítés, amely lehetővé teszi új objektumosztályok észlelését mindössze néhány annotált példány alapján. Ellentétben a standard objektumdetektálással, amely osztályonként több száz címkézett példányt igényel, az FSOD a tudásnak az alaposztályokból való kiaknázásával gyorsan képes detektáló modelleket adaptálni új objektumkategóriákhoz.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Few-Shot Object Detection with Contrastive Learning. ScholarGate. https://scholargate.app/hu/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)Mélytanulás↔ compare
- SimCLRMélytanulás↔ compare
- Swin TransformerMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →