การตรวจจับวัตถุ
การตรวจจับวัตถุเป็นงานด้านคอมพิวเตอร์วิทัศน์ที่โครงข่ายประสาทเทียมเชิงลึกทำการระบุตำแหน่งและจำแนกประเภทของวัตถุแต่ละชิ้นในภาพพร้อมกัน โดยสร้างกรอบล้อมรอบ (bounding box) และป้ายกำกับประเภท (class label) สำหรับวัตถุที่ตรวจจับได้แต่ละชิ้น ตัวตรวจจับสมัยใหม่ ตั้งแต่ตระกูล R-CNN ไปจนถึง YOLO และ DETR สามารถให้ความแม่นยำใกล้เคียงมนุษย์ด้วยความเร็วแบบเรียลไทม์บนชุดข้อมูลมาตรฐาน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+6 more
แหล่งอ้างอิง
- Girshick, R., Donahue, J., Darrell, T., & Malik, J. (2014). Rich feature hierarchies for accurate object detection and semantic segmentation. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 580–587. DOI: 10.1109/CVPR.2014.81 ↗
- Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You Only Look Once: Unified, Real-Time Object Detection. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 779–788. DOI: 10.1109/CVPR.2016.91 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Object Detection (Region-Based and Anchor-Free Deep Neural Network Models). ScholarGate. https://scholargate.app/th/deep-learning/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.
- การจำแนกประเภทรูปภาพการเรียนรู้เชิงลึก↔ compare
- การแบ่งส่วนอินสแตนซ์ (Instance Segmentation)การเรียนรู้เชิงลึก↔ compare
- Semantic Segmentationการเรียนรู้เชิงลึก↔ compare