Detekcja obiektów
Detekcja obiektów to zadanie z zakresu widzenia komputerowego, w którym głęboka sieć neuronowa jednocześnie lokalizuje i klasyfikuje każdą instancję jednej lub wielu kategorii obiektów w obrazie, generując ramkę otaczającą (bounding box) i etykietę klasy dla każdego wykrytego obiektu. Nowoczesne detektory – od rodziny R-CNN po YOLO i DETR – osiągają dokładność zbliżoną do ludzkiej przy prędkościach rzeczywistych na standardowych benchmarkach.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
Źródła
- Girshick, R., Donahue, J., Darrell, T., & Malik, J. (2014). Rich feature hierarchies for accurate object detection and semantic segmentation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 580–587. DOI: 10.1109/CVPR.2014.81 ↗
- Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You Only Look Once: Unified, Real-Time Object Detection. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 779–788. DOI: 10.1109/CVPR.2016.91 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Object Detection (Region-Based and Anchor-Free Deep Neural Network Models). ScholarGate. https://scholargate.app/pl/deep-learning/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.
- Klasyfikacja obrazówUczenie głębokie↔ compare
- Segmentacja instancjiUczenie głębokie↔ compare
- Segmentacja semantycznaUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →