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)
Bu öğeden alıntı yapmak, öğeye bağlanmak için bu tanımlayıcıyı kullanınız: http://elartu.tntu.edu.ua/handle/lib/40289

Tüm üstveri kaydı
Dublin Core AlanıDeğerDil
dc.contributor.authorСороківський, О.
dc.contributor.authorЛитвиненко, Ярослав Володимирович
dc.contributor.authorSorokivskyi, O.
dc.contributor.authorLytvynenko, I.
dc.coverage.temporal7–8 грудня 2022 року
dc.coverage.temporal7–8 December 2022
dc.date.accessioned2023-01-19T08:15:08Z-
dc.date.available2023-01-19T08:15:08Z-
dc.date.created2022-12-07
dc.date.issued2022-12-07
dc.identifier.citationСороківський 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).
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/40289-
dc.format.extent51-52
dc.language.isouk
dc.publisherТНТУ
dc.publisherTNTU
dc.relation.ispartofМатеріали Ⅹ науково-технічної конференції „Інформаційні моделі, системи та технології“ Тернопільського національного технічного університету імені Івана Пулюя, 2022
dc.relation.ispartofMaterials of the Ⅹ Scientific and Technical Conference "Information Models, Systems and Technologies" of Ivan Puluj Ternopil National Technical University, 2022
dc.relation.urihttps://arxiv.org/abs/2204.00484
dc.relation.urihttps://arxiv.org/abs/1405.0312
dc.relation.urihttps://arxiv.org/abs/1608.05442
dc.relation.urihttps://arxiv.org/abs/2211.05778
dc.relation.urihttps://arxiv.org/abs/2211.07636v1
dc.relation.urihttps://arxiv.org/abs/2211.12860v1
dc.relation.urihttps://arxiv.org/abs/2205.14141v3
dc.relation.urihttps://arxiv.org/abs/2105.04206v1
dc.titleПорівняння претренованих моделей для детекції об’єктів
dc.title.alternativeComparation of the pretrained models for object detection
dc.typeConference Abstract
dc.rights.holder© Тернопільський національний технічний університет імені Івана Пулюя, 2022
dc.coverage.placenameТернопіль
dc.coverage.placenameTernopil
dc.format.pages2
dc.subject.udc004.6
dc.relation.references1. Cristina Vasconcelos, Vighnesh Birodkar, Vincent Dumoulin. Proper Reuse of Image Classifica-tion Features Improves Object Detection, 2022. URL: https://arxiv.org/abs/2204.00484.
dc.relation.references2. 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.
dc.relation.references3. 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.
dc.relation.references4. 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.
dc.relation.references5. 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.
dc.relation.references6. DETRs with Collaborative Hybrid Assignments Training, Zhuofan Zong, Guanglu Song, Yu Liu, 2022. URL: https://arxiv.org/abs/2211.12860v1.
dc.relation.references7. 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.
dc.relation.references8. 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.
dc.relation.referencesen1. Cristina Vasconcelos, Vighnesh Birodkar, Vincent Dumoulin. Proper Reuse of Image Classifica-tion Features Improves Object Detection, 2022. URL: https://arxiv.org/abs/2204.00484.
dc.relation.referencesen2. 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.
dc.relation.referencesen3. 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.
dc.relation.referencesen4. 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.
dc.relation.referencesen5. 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.
dc.relation.referencesen6. DETRs with Collaborative Hybrid Assignments Training, Zhuofan Zong, Guanglu Song, Yu Liu, 2022. URL: https://arxiv.org/abs/2211.12860v1.
dc.relation.referencesen7. 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.
dc.relation.referencesen8. 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.
dc.identifier.citationenSorokivskyi 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].
dc.contributor.affiliationТернопільський національний технічний університет імені Івана Пулюя, Україна
dc.citation.journalTitleМатеріали Ⅹ науково-технічної конференції „Інформаційні моделі, системи та технології“ Тернопільського національного технічного університету імені Івана Пулюя
dc.citation.spage51
dc.citation.epage52
dc.citation.conferenceⅩ науково-технічна конференція „Інформаційні моделі, системи та технології“ Тернопільського національного технічного університету імені Івана Пулюя
Koleksiyonlarda Görünür:X науково-технічна конференція „Інформаційні моделі, системи та технології“ (2022)

Bu öğenin dosyaları:
Dosya Açıklama BoyutBiçim 
XNTK_2022_Sorokivskyi_O-Comparation_of_the_pretrained_51-52.pdf259,74 kBAdobe PDFGöster/Aç
XNTK_2022_Sorokivskyi_O-Comparation_of_the_pretrained_51-52.djvu53,4 kBDjVuGöster/Aç
XNTK_2022_Sorokivskyi_O-Comparation_of_the_pretrained_51-52__COVER.png460,31 kBimage/pngGöster/Aç
Kısa Öğe Kaydını Göster İstatistikler


DSpace'deki bütün öğeler, aksi belirtilmedikçe, tüm hakları saklı tutulmak şartıyla telif hakkı ile korunmaktadır.