Deteksi Objek Kendiri-Terarah
Deteksi objek kendiri-terarah menggunakan data imej tanpa label untuk melatih awal tulang belakang visual melalui tugasan pretext seperti pembelajaran kontrastif atau pemodelan imej bertopeng, kemudian menyempurnakan tulang belakang dengan kepala deteksi pada set data berlabel yang lebih kecil. Pendekatan ini mengurangkan pergantungan secara dramatik pada anotasi kotak sempadan yang mahal sambil menandingi atau menghampiri prestasi deteksi yang diawasi sepenuhnya.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- He, K., Fan, H., Wu, Y., Xie, S., & Girshick, R. (2020). Momentum Contrast for Unsupervised Visual Representation Learning. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 9729–9738. DOI: 10.1109/CVPR42600.2020.00975 ↗
- Caron, M., Touvron, H., Misra, I., Jégou, H., Mairal, J., Bojanowski, P., & Joulin, A. (2021). Emerging Properties in Self-Supervised Vision Transformers. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 9650–9660. DOI: 10.1109/ICCV48922.2021.00951 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Self-supervised Pre-training for Object Detection. ScholarGate. https://scholargate.app/ms/deep-learning/self-supervised-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.
- Pengesanan ObjekPembelajaran Mendalam↔ compare
- Pengelasan Imej Penyeliaan KendiriPembelajaran Mendalam↔ compare
- Pengesanan Objek Separa-SeliaanPembelajaran Mendalam↔ compare
- Pembelajaran Pemindahan dengan Pengesanan ObjekPembelajaran Mendalam↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →