DETR (Detection Transformer)
DETR (Detection Transformer) este un cadru end-to-end pentru detecția de obiecte introdus de Carion et al. în 2020, care reformulează detecția ca o problemă directă de predicție de seturi utilizând transformere. Spre deosebire de abordările tradiționale care folosesc post-procesare manuală, cum ar fi suprimarea non-maximă, DETR tratează detecția de obiecte ca o problemă secvență-la-secvență, unde transformatorul prezice toate obiectele simultan.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Carion, N., Massa, F., Synnaeve, G., Usunier, N., Kirillov, A., & Zagoruyko, S. (2020). End-to-end object detection with transformers. In European Conference on Computer Vision (pp. 213-229). Springer, Cham. DOI: 10.1007/978-3-030-58452-8_13 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). End-to-End Object Detection with Transformers. ScholarGate. https://scholargate.app/ro/deep-learning/detr
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.
- Autoencodere mascateÎnvățare profundă↔ compare
- Modelul Segment AnythingÎnvățare profundă↔ compare
- Swin TransformerÎnvățare profundă↔ compare
- Vision MambaÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →