Madde #292Görü & Multimodal/sozluk/detection-transformer-detr
Detection Transformer (DETR)
Detection Transformer (Carion et al., Facebook AI Research 2020)
Türkçe: Dikkat Tabanlı Nesne Tespit Dönüştürücüsü
Ayrıntılı Tanım
El yapımı çapa kutularını (anchor boxes) ve örtüşme giderme (NMS) algoritmalarını tamamen terk ederek; nesne tespitini bir **küme tahmin problemi (set prediction)** olarak ele alan ve doğrudan Transformer Encoder-Decoder mimarisiyle çözen modern modeldir.
Ne İşe Yarar / Çözülen Problem
Nesne tespitindeki onlarca karmaşık hiperparametreyi (çapa boyutları, IoU eşikleri, NMS ayarları) çöpe atarak mimariyi saf bir yapay zekâ sadeliğine kavuşturur.
Nasıl Çalışır? (Teknik & Mekanizma)
CNN görselden öznitelik çıkarır. Transformer Encoder küresel ilişkileri kurar. Transformer Decoder ise öğrenilebilir adet "Nesne Sorgusu" (Object Queries) kullanarak resimdeki nesneleri sorgular. Çıktılar ile gerçek nesneler Macar Algoritması (Hungarian Algorithm) ile birebir eşleştirilir.
Örnek Senaryo & Pratik Uygulama
Bir sahnede 100 farklı dedektif: Her dedektif resmin farklı bir köşesindeki nesneyi sahiplenir; dedektifler birbirleriyle dikkat (attention) ile konuşarak aynı nesneyi iki kez saymazlar.
Benzer Terimlerden Farkı
Geleneksel dedektörler binlerce örtüşen kutu üretip NMS ile süzerken; DETR baştan doğrudan tam olarak nesne sayısı kadar kutuyu temiz bir küme halinde üretir.
İlişkili Terimler (3)
Bilgisayarlı Görü, Çok Modlu ve Üretken Yapay Zekâ
CNN, Vision Transformers (ViT), Diffusion, GAN, VAE ve Multimodal modeller.
Toplam Terim:53 Madde
Bu Kategorideki Tüm Terimleri Gör →Önceki Terim (#291)You Only Look Once (YOLO)
Sonraki Terim (#293)Non-Maximum Suppression (NMS)