Fåskudds objektdeteksjon
Fåskudds objektdeteksjon (FSOD) er en meta-læringsmetode som muliggjør deteksjon av nye objektklasser fra kun et lite antall annoterte eksempler. I motsetning til standard objektdeteksjon, som krever hundrevis av merkede instanser per klasse, lærer FSOD å raskt tilpasse deteksjonsmodeller til nye objektkategorier ved å utnytte kunnskap fra basiskategorier.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Few-Shot Object Detection with Contrastive Learning. ScholarGate. https://scholargate.app/no/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)Dyp læring↔ compare
- SimCLRDyp læring↔ compare
- Swin TransformerDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →