1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
2. Матеріали конференцій, семінарів, читань
3. 2022
4. X науково-технічна конференція „Інформаційні моделі, системи та технології“ (2022)

Tytuł:	Порівняння претренованих моделей для детекції об’єктів
Inne tytuły:	Comparation of the pretrained models for object detection
Authors:	Сороківський, О. Литвиненко, Ярослав Володимирович Sorokivskyi, O. Lytvynenko, I.
Akcesoria:	Тернопільський національний технічний університет імені Івана Пулюя, Україна
Cytat:	Сороківський О. Порівняння претренованих моделей для детекції об’єктів / О. Сороківський, Ярослав Володимирович Литвиненко // Матеріали Ⅹ науково-технічної конференції „Інформаційні моделі, системи та технології“, 7–8 грудня 2022 року. — Т. : ТНТУ, 2022. — С. 51–52. — (Інформаційні системи та технології, кібербезпека).
Bibliographic description:	Sorokivskyi O., Lytvynenko I. (2022) Porivniannia pretrenovanykh modelei dlia detektsii obiektiv [Comparation of the pretrained models for object detection]. Materials of the Ⅹ scientific and technical conference "Information models, systems and technologies" (Tern., 7–8 December 2022), pp. 51-52 [in Ukrainian].
Część publikacji:	Матеріали Ⅹ науково-технічної конференції „Інформаційні моделі, системи та технології“ Тернопільського національного технічного університету імені Івана Пулюя, 2022 Materials of the Ⅹ Scientific and Technical Conference "Information Models, Systems and Technologies" of Ivan Puluj Ternopil National Technical University, 2022
Konferencja/wydarzenie:	Ⅹ науково-технічна конференція „Інформаційні моделі, системи та технології“ Тернопільського національного технічного університету імені Івана Пулюя
Journal/kolekcja:	Матеріали Ⅹ науково-технічної конференції „Інформаційні моделі, системи та технології“ Тернопільського національного технічного університету імені Івана Пулюя
Data wydania:	7-gru-2022
Date of entry:	19-sty-2023
Wydawca:	ТНТУ TNTU
Place edycja:	Тернопіль Ternopil
Zakresu czasowego:	7–8 грудня 2022 року 7–8 December 2022
UDC:	004.6
Strony:	2
Zakres stron:	51-52
Główna strona:	51
Strona końcowa:	52
URI:	http://elartu.tntu.edu.ua/handle/lib/40289
Właściciel praw autorskich:	© Тернопільський національний технічний університет імені Івана Пулюя, 2022
Związane URL literatura:	https://arxiv.org/abs/2204.00484 https://arxiv.org/abs/1405.0312 https://arxiv.org/abs/1608.05442 https://arxiv.org/abs/2211.05778 https://arxiv.org/abs/2211.07636v1 https://arxiv.org/abs/2211.12860v1 https://arxiv.org/abs/2205.14141v3 https://arxiv.org/abs/2105.04206v1
Wykaz piśmiennictwa:	1. Cristina Vasconcelos, Vighnesh Birodkar, Vincent Dumoulin. Proper Reuse of Image Classifica-tion Features Improves Object Detection, 2022. URL: https://arxiv.org/abs/2204.00484. 2. Microsoft COCO: Common Objects in Context, Tsung-Yi Lin, Michael Maire, Serge Belongie, Lubomir Bourdev, Ross Girshick, James Hays, Pietro Perona, Deva Ramanan, C. Lawrence Zitnick, Piotr Dollár, 2015. URL: https://arxiv.org/abs/1405.0312. 3. Semantic Understanding of Scenes through the ADE20K Dataset, Bolei Zhou, Hang Zhao, Xavier Puig, Tete Xiao, Sanja Fidler, Adela Barriuso, Antonio Torralba, 2018. URL: https://arxiv.org/abs/1608.05442. 4. InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions, Wenhai Wang, Jifeng Dai, Zhe Chen, Zhenhang Huang, Zhiqi Li, Xizhou Zhu, Xiaowei Hu, Tong Lu, Lewei Lu, Hongsheng Li, Xiaogang Wang, Yu Qiao, 2022. URL: https://arxiv.org/abs/2211.05778. 5. EVA: Exploring the Limits of Masked Visual Representation Learning at Scale, Yuxin Fang, Wen Wang, Binhui Xie, Quan Sun, Ledell Wu, Xinggang Wang, Tiejun Huang, Xinlong Wang, Yue Cao, 2022. URL: https://arxiv.org/abs/2211.07636v1. 6. DETRs with Collaborative Hybrid Assignments Training, Zhuofan Zong, Guanglu Song, Yu Liu, 2022. URL: https://arxiv.org/abs/2211.12860v1. 7. Contrastive Learning Rivals Masked Image Modeling in Fine-tuning via Feature Distillation, Yixuan Wei, Han Hu, Zhenda Xie, Zheng Zhang, Yue Cao, Jianmin Bao, Dong Chen, Baining Guo, 2022. URL: https://arxiv.org/abs/2205.14141v3. 8. You Only Learn One Representation: Unified Network for Multiple Tasks, Chien-Yao Wang, I-Hau Yeh, Hong-Yuan Mark Liao, 2021. URL: https://arxiv.org/abs/2105.04206v1.
References:	1. Cristina Vasconcelos, Vighnesh Birodkar, Vincent Dumoulin. Proper Reuse of Image Classifica-tion Features Improves Object Detection, 2022. URL: https://arxiv.org/abs/2204.00484. 2. Microsoft COCO: Common Objects in Context, Tsung-Yi Lin, Michael Maire, Serge Belongie, Lubomir Bourdev, Ross Girshick, James Hays, Pietro Perona, Deva Ramanan, C. Lawrence Zitnick, Piotr Dollár, 2015. URL: https://arxiv.org/abs/1405.0312. 3. Semantic Understanding of Scenes through the ADE20K Dataset, Bolei Zhou, Hang Zhao, Xavier Puig, Tete Xiao, Sanja Fidler, Adela Barriuso, Antonio Torralba, 2018. URL: https://arxiv.org/abs/1608.05442. 4. InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions, Wenhai Wang, Jifeng Dai, Zhe Chen, Zhenhang Huang, Zhiqi Li, Xizhou Zhu, Xiaowei Hu, Tong Lu, Lewei Lu, Hongsheng Li, Xiaogang Wang, Yu Qiao, 2022. URL: https://arxiv.org/abs/2211.05778. 5. EVA: Exploring the Limits of Masked Visual Representation Learning at Scale, Yuxin Fang, Wen Wang, Binhui Xie, Quan Sun, Ledell Wu, Xinggang Wang, Tiejun Huang, Xinlong Wang, Yue Cao, 2022. URL: https://arxiv.org/abs/2211.07636v1. 6. DETRs with Collaborative Hybrid Assignments Training, Zhuofan Zong, Guanglu Song, Yu Liu, 2022. URL: https://arxiv.org/abs/2211.12860v1. 7. Contrastive Learning Rivals Masked Image Modeling in Fine-tuning via Feature Distillation, Yixuan Wei, Han Hu, Zhenda Xie, Zheng Zhang, Yue Cao, Jianmin Bao, Dong Chen, Baining Guo, 2022. URL: https://arxiv.org/abs/2205.14141v3. 8. You Only Learn One Representation: Unified Network for Multiple Tasks, Chien-Yao Wang, I-Hau Yeh, Hong-Yuan Mark Liao, 2021. URL: https://arxiv.org/abs/2105.04206v1.
Typ zawartości:	Conference Abstract
Występuje w kolekcjach:	X науково-технічна конференція „Інформаційні моделі, системи та технології“ (2022)

Pozycje DSpace są chronione prawami autorskimi