Detekcia objektov s malým počtom príkladov
Detekcia objektov s malým počtom príkladov (FSOD) je meta-učebný prístup, ktorý umožňuje detekovať nové triedy objektov len z niekoľkých anotovaných príkladov. Na rozdiel od štandardnej detekcie objektov, ktorá vyžaduje stovky označených inštancií na triedu, FSOD sa učí rýchlo adaptovať detekčné modely na nové kategórie objektov využitím vedomostí z bázových tried.
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
- Wang, X., Huang, T. E., Darrell, T., Gonzalez, J. E., & Yu, F. (2020). Few-shot object detection with attention-RPN and multi-relation detector. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 9050-9059). link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Few-Shot Object Detection with Contrastive Learning. ScholarGate. https://scholargate.app/sk/deep-learning/few-shot-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.
- DETR (Detection Transformer)Hlboké učenie↔ compare
- SimCLRHlboké učenie↔ compare
- Swin TransformerHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →