Machine learningDeep Learning, Object Detection
DETR (Detection Transformer)
DETR (Detection Transformer)는 2020년 Carion 등이 소개한 객체 탐지를 위한 종단간(end-to-end) 프레임워크로, 트랜스포머를 사용하여 탐지를 직접적인 집합 예측 문제로 재정의합니다. 비최대 억제(non-maximum suppression)와 같은 수작업 후처리 방식을 사용하는 전통적인 접근 방식과 달리, DETR은 트랜스포머가 모든 객체를 한 번에 예측하는 시퀀스-투-시퀀스 문제로 객체 탐지를 취급합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). End-to-End Object Detection with Transformers. ScholarGate. https://scholargate.app/ko/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.
- Masked Autoencoders딥러닝↔ compare
- 세그먼트 애니띵 모델딥러닝↔ compare
- Swin Transformer딥러닝↔ compare
- Vision Mamba딥러닝↔ compare