DETR (Detection Transformer)
DETR (Detection Transformer) — це наскрізна (end-to-end) система для детектування об'єктів, представлена Каріоном та співавт. у 2020 році, яка переформулює детектування як пряму задачу передбачення множин (set prediction) з використанням трансформерів. На відміну від традиційних підходів, що використовують ручні методи постобробки, такі як не-максимальне пригнічення (non-maximum suppression), DETR розглядає детектування об'єктів як задачу послідовність-до-послідовності (sequence-to-sequence), де трансформер передбачає всі об'єкти одночасно.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). End-to-End Object Detection with Transformers. ScholarGate. https://scholargate.app/uk/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.
- Масковані автокодувальникиГлибоке навчання↔ compare
- Модель сегментації всього (Segment Anything Model)Глибоке навчання↔ compare
- Swin TransformerГлибоке навчання↔ compare
- Vision MambaГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →