Segmentación de instancias adaptativa al dominio
La segmentación de instancias adaptativa al dominio extiende las arquitecturas de estilo Mask R-CNN para operar a través de cambios de distribución — entrenando en un dominio fuente etiquetado (p. ej., renderizaciones sintéticas o imágenes diurnas) y adaptándose a un dominio objetivo sin etiquetar o débilmente etiquetado (p. ej., escenas reales o grabaciones nocturnas). La alineación de características adversaria y el autoentrenamiento cierran la brecha de dominio a nivel de granularidad de imagen y de instancia.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Domain-Adaptive Instance Segmentation (Cross-Domain Instance-Level Pixel Segmentation). ScholarGate. https://scholargate.app/es/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.
- Segmentación de instanciasAprendizaje profundo↔ compare
- Segmentación semánticaAprendizaje profundo↔ compare
- Aprendizaje por transferencia con segmentación de instanciasAprendizaje profundo↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →