Selv-supervisert objektdeteksjon
Selv-supervisert objektdeteksjon bruker umerkede bildedata til å forhåndstrene en visuell ryggrad (backbone) gjennom forhåndsoppgaver (pretext tasks) som kontrastiv læring eller maskert bildemodellering, og deretter finjusterer man ryggraden med et deteksjonshode (detection head) på et mindre merket datasett. Denne tilnærmingen reduserer dramatisk avhengigheten av dyre avgrensningsboks-annotasjoner (bounding-box annotations) samtidig som den matcher eller nærmer seg ytelsen til fullt supervisert deteksjon.
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
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Self-supervised Pre-training for Object Detection. ScholarGate. https://scholargate.app/no/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.
- ObjektdeteksjonDyp læring↔ compare
- Selv-supervisert bildeklassifiseringDyp læring↔ compare
- Semi-overvåket objektdeteksjonDyp læring↔ compare
- Overføringslæring med objektdeteksjonDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →