Segmentació d'instàncies adaptativa al domini
La segmentació d'instàncies adaptativa al domini estén les arquitectures tipus Mask R-CNN per operar a través de canvis de distribució — entrenant en un domini font etiquetat (per exemple, renderitzacions sintètiques o imatges diürnes) i adaptant-se a un domini objectiu no etiquetat o feblement etiquetat (per exemple, escenes reals o metratge nocturn). L'alineació de característiques adversarial i l'autoaprenentatge redueixen la bretxa de domini tant a nivell d'imatge com a nivell d'instància.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Domain-Adaptive Instance Segmentation (Cross-Domain Instance-Level Pixel Segmentation). ScholarGate. https://scholargate.app/ca/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.
- Segmentació d'instànciesAprenentatge profund↔ compare
- Segmentació semànticaAprenentatge profund↔ compare
- Aprenentatge per transferència amb segmentació d'instànciesAprenentatge profund↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →