DETR (Detection Transformer)
DETR (Detection Transformer) je end-to-end rámec pre detekciu objektov, ktorý predstavili Carion et al. v roku 2020 a ktorý preformuloval detekciu ako priamy problém predikcie množiny pomocou transformátorov. Na rozdiel od tradičných prístupov, ktoré používajú ručne navrhnuté post-processingové kroky ako non-maximum suppression, DETR považuje detekciu objektov za problém sekvencie na sekvenciu, kde transformátor predikuje všetky objekty naraz.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). End-to-End Object Detection with Transformers. ScholarGate. https://scholargate.app/sk/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.
- Maskované autoenkodéryHlboké učenie↔ compare
- Segment Anything ModelHlboké učenie↔ compare
- Swin TransformerHlboké učenie↔ compare
- Vision MambaHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →