Domänenadaptive Instanzsegmentierung
Domänenadaptive Instanzsegmentierung erweitert Architekturen im Stil von Mask R-CNN, um über Verteilungsverschiebungen hinweg zu operieren – Training auf einer gelabelten Quell-Domäne (z. B. synthetische Renderings oder Tageslichtbilder) und Anpassung an eine ungelabelte oder schwach gelabelte Ziel-Domäne (z. B. reale Szenen oder Nachtaufnahmen). Adversarielles Feature-Alignment und Self-Training schließen die Domänenlücke sowohl auf Bild- als auch auf Instanzebene.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Domain-Adaptive Instance Segmentation (Cross-Domain Instance-Level Pixel Segmentation). ScholarGate. https://scholargate.app/de/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.
- InstanzsegmentierungDeep Learning↔ compare
- Semantische SegmentierungDeep Learning↔ compare
- Transfer Learning mit InstanzsegmentierungDeep Learning↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →