การตรวจจับวัตถุแบบเรียนรู้ด้วยตนเอง
การตรวจจับวัตถุแบบเรียนรู้ด้วยตนเอง (Self-supervised object detection) ใช้ข้อมูลภาพที่ไม่มีป้ายกำกับ (unlabeled image data) เพื่อฝึกฝนโครงข่ายประสาทเทียมส่วนหลัง (visual backbone) ล่วงหน้าผ่านงานที่กำหนดขึ้นเอง (pretext tasks) เช่น การเรียนรู้แบบเปรียบต่าง (contrastive learning) หรือการสร้างแบบจำลองภาพที่ถูกปิดบัง (masked image modeling) จากนั้นจึงปรับแต่งโครงข่ายส่วนหลังด้วยส่วนหัวสำหรับการตรวจจับ (detection head) บนชุดข้อมูลที่มีป้ายกำกับขนาดเล็ก วิธีการนี้ช่วยลดการพึ่งพาคำอธิบายประกอบแบบกรอบล้อมวัตถุ (bounding-box annotations) ที่มีค่าใช้จ่ายสูงได้อย่างมาก ในขณะที่ยังคงให้ประสิทธิภาพเทียบเท่าหรือใกล้เคียงกับการตรวจจับแบบมีการกำกับดูแลเต็มรูปแบบ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- He, K., Fan, H., Wu, Y., Xie, S., & Girshick, R. (2020). Momentum Contrast for Unsupervised Visual Representation Learning. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 9729–9738. DOI: 10.1109/CVPR42600.2020.00975 ↗
- Caron, M., Touvron, H., Misra, I., Jégou, H., Mairal, J., Bojanowski, P., & Joulin, A. (2021). Emerging Properties in Self-Supervised Vision Transformers. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 9650–9660. DOI: 10.1109/ICCV48922.2021.00951 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Self-supervised Pre-training for Object Detection. ScholarGate. https://scholargate.app/th/deep-learning/self-supervised-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.
- การตรวจจับวัตถุการเรียนรู้เชิงลึก↔ compare
- การจำแนกภาพแบบกำกับตนเองการเรียนรู้เชิงลึก↔ compare
- การตรวจจับวัตถุแบบกึ่งมีผู้สอนการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนกับการตรวจจับวัตถุการเรียนรู้เชิงลึก↔ compare