Домейн-адаптивна сегментация на инстанции
Домейн-адаптивната сегментация на инстанции разширява архитектури от типа на Mask R-CNN, така че да работят при дистрибутивни отклонения — обучение върху маркиран източник (напр. синтетични рендерирания или дневни изображения) и адаптиране към немаркиран или слабо маркиран целеви домейн (напр. реални сцени или нощни кадри). Състезателното подравняване на признаци и самообучението затварят домейн-пропастта както на ниво изображение, така и на ниво инстанция.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Chen, Y., Li, W., Sakaridis, C., Dai, D., & Van Gool, L. (2018). Domain Adaptive Faster RCNN for Object Detection in the Wild. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 3339–3348. DOI: 10.1109/CVPR.2018.00352 ↗
- VS, V., Gupta, V., Oza, P., Sindagi, V. A., & Patel, V. M. (2021). MeGA-CDA: Memory Guided Attention for Category-Aware Unsupervised Domain Adaptive Object Detection. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 4516–4526. DOI: 10.1109/CVPR46437.2021.00449 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Domain-Adaptive Instance Segmentation (Cross-Domain Instance-Level Pixel Segmentation). ScholarGate. https://scholargate.app/bg/deep-learning/domain-adaptive-instance-segmentation
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.
- Инстанс сегментацияДълбоко обучение↔ compare
- Semantic SegmentationДълбоко обучение↔ compare
- Трансферно обучение с сегментация на екземпляриДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →