Самообучающееся обнаружение объектов
Самообучающееся обнаружение объектов использует неразмеченные данные изображений для предварительного обучения визуального ядра посредством вспомогательных задач, таких как контрастное обучение или моделирование маскированных изображений, а затем донастраивает ядро с помощью детекционной головки на меньшем размеченном наборе данных. Этот подход значительно снижает зависимость от дорогостоящих аннотаций ограничивающих рамок, при этом достигая или приближаясь к производительности полностью контролируемого обнаружения.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Self-supervised Pre-training for Object Detection. ScholarGate. https://scholargate.app/ru/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.
- Обнаружение объектовГлубокое обучение↔ compare
- Самообучающаяся классификация изображенийГлубокое обучение↔ compare
- Полусупервизируемое детектирование объектовГлубокое обучение↔ compare
- Трансферное обучение для детектирования объектовГлубокое обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →