Domæne-adaptiv instanssegmentering
Domæne-adaptiv instanssegmentering udvider Mask R-CNN-lignende arkitekturer til at operere på tværs af distributionsskift – træning på et mærket kildedomæne (f.eks. syntetiske gengivelser eller dagbilleder) og tilpasning til et umærket eller svagt mærket måldomæne (f.eks. virkelige scener eller natteoptagelser). Modstridende funktionsjustering og selftræning lukker domænegabet på både billed- og instansniveau-granularitet.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Domain-Adaptive Instance Segmentation (Cross-Domain Instance-Level Pixel Segmentation). ScholarGate. https://scholargate.app/da/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.
- InstanssegmenteringDyb læring↔ compare
- Semantisk segmenteringDyb læring↔ compare
- Transfer Learning med InstanssegmenteringDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →