Samouczenie nadzorowane w detekcji obiektów
Samouczenie nadzorowane w detekcji obiektów wykorzystuje nieetykietowane dane obrazowe do wstępnego trenowania wizualnego szkieletu (backbone) za pomocą zadań pozornych (pretext tasks), takich jak uczenie kontrastowe lub modelowanie obrazów z maskowaniem, a następnie dostraja (fine-tunes) szkielet z głowicą detekcyjną na mniejszym, etykietowanym zbiorze danych. Takie podejście znacząco redukuje zależność od kosztownych adnotacji ramek ograniczających (bounding boxes), jednocześnie dorównując lub zbliżając się do wydajności detekcji w pełni nadzorowanej.
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.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Self-supervised Pre-training for Object Detection. ScholarGate. https://scholargate.app/pl/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.
- Detekcja obiektówUczenie głębokie↔ compare
- Samouczenie się klasyfikacji obrazówUczenie głębokie↔ compare
- Detekcja obiektów z wykorzystaniem uczenia częściowo nadzorowanegoUczenie głębokie↔ compare
- Uczenie transferowe z detekcją obiektówUczenie głębokie↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →