Få-exempel-objektdetektering
Få-exempel-objektdetektering (Few-Shot Object Detection, FSOD) är en meta-inlärningsmetod som möjliggör detektering av nya objektklasser från endast ett fåtal annoterade exempel. Till skillnad från standardobjektdetektering, som kräver hundratals märkta instanser per klass, lär sig FSOD att snabbt anpassa detekteringsmodeller till nya objektkategorier genom att utnyttja kunskap från bas-kategorier.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Few-Shot Object Detection with Contrastive Learning. ScholarGate. https://scholargate.app/sv/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)Djupinlärning↔ compare
- SimCLRDjupinlärning↔ compare
- Swin TransformerDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →