Machine learningDeep Learning, Object Detection, Meta-Learning
การตรวจจับวัตถุแบบ Few-Shot
การตรวจจับวัตถุแบบ Few-Shot (FSOD) เป็นแนวทางแบบ meta-learning ที่ช่วยให้สามารถตรวจจับคลาสวัตถุใหม่ได้จากตัวอย่างที่ติดป้ายกำกับเพียงไม่กี่ตัวอย่าง ซึ่งแตกต่างจากการตรวจจับวัตถุมาตรฐานที่ต้องการตัวอย่างที่ติดป้ายกำกับหลายร้อยตัวอย่างต่อคลาส FSOD จะเรียนรู้ที่จะปรับโมเดลการตรวจจับไปยังหมวดหมู่ใหม่ได้อย่างรวดเร็ว โดยใช้ประโยชน์จากความรู้จากคลาสพื้นฐาน
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Few-Shot Object Detection with Contrastive Learning. ScholarGate. https://scholargate.app/th/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)การเรียนรู้เชิงลึก↔ compare
- SimCLRการเรียนรู้เชิงลึก↔ compare
- Swin Transformer (โปรแกรมแปลง Swin)การเรียนรู้เชิงลึก↔ compare