Виявлення об'єктів за кількома прикладами
Виявлення об'єктів за кількома прикладами (FSOD) — це метанавчальний підхід, який дозволяє виявляти нові класи об'єктів лише за кількома анотованими прикладами. На відміну від стандартного виявлення об'єктів, що вимагає сотень розмічених екземплярів для кожного класу, FSOD навчається швидко адаптувати моделі виявлення до нових категорій об'єктів, використовуючи знання з базових категорій.
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
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Few-Shot Object Detection with Contrastive Learning. ScholarGate. https://scholargate.app/uk/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)Глибоке навчання↔ compare
- SimCLRГлибоке навчання↔ compare
- Swin TransformerГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →