Detecção de Objetos Auto-supervisionada
A detecção de objetos auto-supervisionada utiliza dados de imagem não rotulados para pré-treinar um backbone visual através de tarefas pretextuais como aprendizado contrastivo ou modelagem de imagem mascarada, e então ajusta o backbone com uma cabeça de detecção em um conjunto de dados rotulado menor. Esta abordagem reduz drasticamente a dependência de anotações de caixas delimitadoras caras, ao mesmo tempo que iguala ou se aproxima do desempenho da detecção totalmente supervisionada.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised Pre-training for Object Detection. ScholarGate. https://scholargate.app/pt/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.
- Detecção de ObjetosAprendizado profundo↔ compare
- Classificação de Imagens Auto-supervisionadaAprendizado profundo↔ compare
- Detecção de Objetos Semi-SupervisionadaAprendizado profundo↔ compare
- Aprendizagem por Transferência com Detecção de ObjetosAprendizado profundo↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →