Detecção de Objetos Few-Shot
Detecção de Objetos Few-Shot (FSOD) é uma abordagem de meta-aprendizado que permite detectar classes de objetos novas a partir de apenas alguns exemplos anotados. Diferentemente da detecção de objetos padrão, que requer centenas de instâncias rotuladas por classe, FSOD aprende a adaptar rapidamente modelos de detecção a novas categorias de objetos, aproveitando o conhecimento de classes base.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Few-Shot Object Detection with Contrastive Learning. ScholarGate. https://scholargate.app/pt/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)Aprendizado profundo↔ compare
- SimCLRAprendizado profundo↔ compare
- Swin TransformerAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →