Wir verwenden Cookies und Analyse-Tools, um die Nutzerfreundlichkeit der Internet-Seite zu verbessern und für Marketingzwecke. Wenn Sie fortfahren, diese Seite zu verwenden, nehmen wir an, dass Sie damit einverstanden sind. Zur Datenschutzerklärung.
Towards Learning Object Detectors with Limited Data for Industrial Applications
CHF 55.55
Auf Lager
SKU
5QIPFLJ7UBJ
1 Verfügbar 
Geliefert zwischen Mo., 19.01.2026 und Di., 20.01.2026
Details
In dieser Dissertation werden drei neuartige Generalized FSOD (G-FSOD)-Ansätze vorgestellt, die das Vergessen von zuvor gelernten Klassen beim Lernen neuer Klassen mit begrenzten Daten minimieren. Die ersten beiden Ansätze reduzieren das Vergessen von Basisklassen, wenn diese während des Trainings noch verfügbar sind. Der dritte Ansatz, für Szenarien ohne Basisdaten, nutzt Wissensdestillation, um den Wissenstransfer zu verbessern. In this dissertation, three novel Generalized Few-Shot Object Detection (G-FSOD) approaches are presented to minimize the forgetting of previously learned classes while learning new classes with limited data. The first two approaches reduce the forgetting of base classes if they are still available during training. The third approach, for scenarios without base data, uses knowledge distillation to improve the knowledge transfer.
Weitere Informationen
- Allgemeine Informationen
- GTIN 09783731513896
- Genre Information Technology
- Auflage 25001 A. 1. Auflage
- Lesemotiv Verstehen
- Anzahl Seiten 262
- Größe H16mm x B148mm x T210mm
- Jahr 2025
- EAN 9783731513896
- Format Kartonierter Einband
- ISBN 978-3-7315-1389-6
- Titel Towards Learning Object Detectors with Limited Data for Industrial Applications
- Autor Karim Guirguis
- Gewicht 490g
- Herausgeber Karlsruher Institut für Technologie
- Sprache Englisch
Bewertungen
Schreiben Sie eine Bewertung
