DETR (Detection Transformer)
DETR (Detection Transformer) là một khuôn khổ học sâu từ đầu đến cuối (end-to-end) cho bài toán phát hiện đối tượng (object detection), được giới thiệu bởi Carion và cộng sự vào năm 2020. DETR tái định nghĩa bài toán phát hiện đối tượng như một vấn đề dự đoán tập hợp trực tiếp (direct set prediction) sử dụng kiến trúc transformer. Khác với các phương pháp truyền thống sử dụng các bước hậu xử lý thủ công như loại bỏ các hộp giới hạn trùng lặp (non-maximum suppression - NMS), DETR xem phát hiện đối tượng như một bài toán tuần tự-tới-tuần tự (sequence-to-sequence) nơi mà transformer dự đoán tất cả các đối tượng cùng một lúc.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). End-to-End Object Detection with Transformers. ScholarGate. https://scholargate.app/vi/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.
- Mô hình Tự mã hóa Che giấuHọc sâu↔ compare
- Mô hình Phân đoạn Mọi thứHọc sâu↔ compare
- Swin TransformerHọc sâu↔ compare
- Vision MambaHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →