Detekcija objekata sa malo primera (FSOD)
Detekcija objekata sa malo primera (Few-Shot Object Detection, FSOD) je pristup meta-učenja koji omogućava detekciju novih klasa objekata iz samo nekoliko anotiranih primera. Za razliku od standardne detekcije objekata koja zahteva stotine označenih instanci po klasi, FSOD uči da brzo prilagodi modele detekcije novim kategorijama objekata korišćenjem znanja iz osnovnih kategorija.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Few-Shot Object Detection with Contrastive Learning. ScholarGate. https://scholargate.app/sr/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)Duboko učenje↔ compare
- SimCLRDuboko učenje↔ compare
- Swin TransformerDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →