DETR (Detection Transformer)
DETR (Detection Transformer) — это комплексная система для обнаружения объектов, представленная Карионом и др. в 2020 году, которая переформулирует задачу обнаружения как прямую задачу предсказания множества с использованием трансформеров. В отличие от традиционных подходов, использующих ручную постобработку, такую как не-максимальное подавление, DETR рассматривает обнаружение объектов как задачу последовательности в последовательность, где трансформер предсказывает все объекты одновременно.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). End-to-End Object Detection with Transformers. ScholarGate. https://scholargate.app/ru/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.
- Маскированные автокодировщикиГлубокое обучение↔ compare
- Сегментационная модель «Сегментируй всё»Глубокое обучение↔ compare
- Swin TransformerГлубокое обучение↔ compare
- Vision MambaГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →