DETR (Detection Transformer)
DETR (Detection Transformer) është një kornizë end-to-end për zbulimin e objekteve, prezantuar nga Carion et al. në vitin 2020, e cila riformulon zbulimin si një problem të drejtpërdrejtë parashikimi të grupit duke përdorur transformatorë. Në ndryshim nga qasjet tradicionale që përdorin post-procesim të krijuar manualisht siç është mënjanimi jo-maksimal (non-maximum suppression), DETR e trajton zbulimin e objekteve si një problem sekuencë-ndaj-sekuencë ku transformatori parashikon të gjitha objektet njëkohësisht.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). End-to-End Object Detection with Transformers. ScholarGate. https://scholargate.app/sq/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.
- Auto-koduesit e maskuarMësimi i thellë↔ compare
- Modeli Segment AnythingMësimi i thellë↔ compare
- Swin TransformerMësimi i thellë↔ compare
- Vision MambaMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →