DETR (Detection Transformer)
DETR (Detection Transformer) เป็นเฟรมเวิร์กแบบ end-to-end สำหรับการตรวจจับวัตถุที่นำเสนอโดย Carion และคณะในปี 2020 ซึ่งปรับเปลี่ยนการตรวจจับให้เป็นปัญหาการทำนายชุดข้อมูลโดยตรงโดยใช้ทรานส์ฟอร์มเมอร์ (transformers) ซึ่งแตกต่างจากแนวทางดั้งเดิมที่ใช้การประมวลผลหลังการตรวจจับที่ออกแบบด้วยมือ เช่น non-maximum suppression, DETR ถือว่าการตรวจจับวัตถุเป็นปัญหาแบบ sequence-to-sequence ที่ทรานส์ฟอร์มเมอร์ทำนายวัตถุทั้งหมดพร้อมกัน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). End-to-End Object Detection with Transformers. ScholarGate. https://scholargate.app/th/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.
- Masked Autoencodersการเรียนรู้เชิงลึก↔ compare
- โมเดล Segment Anythingการเรียนรู้เชิงลึก↔ compare
- Swin Transformer (โปรแกรมแปลง Swin)การเรียนรู้เชิงลึก↔ compare
- วิชันแมมบ้าการเรียนรู้เชิงลึก↔ compare