بخشبندی نمونه تطبیقی دامنه
بخشبندی نمونه تطبیقی دامنه، معماریهای سبک Mask R-CNN را برای عمل در شیفتهای توزیع گسترش میدهد — آموزش بر روی یک دامنه منبع برچسبدار (مانند رندرینگ مصنوعی یا تصاویر روز) و تطبیق با یک دامنه هدف بدون برچسب یا با برچسب ضعیف (مانند صحنههای واقعی یا فیلمهای شبانه). همترازی ویژگیهای متخاصم و خودآموزی، شکاف دامنه را در هر دو سطح دانهبندی تصویر و نمونه، پر میکنند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Domain-Adaptive Instance Segmentation (Cross-Domain Instance-Level Pixel Segmentation). ScholarGate. https://scholargate.app/fa/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.
- برش زنی نمونه (Instance Segmentation)یادگیری عمیق↔ compare
- تقسیمبندی معنایییادگیری عمیق↔ compare
- یادگیری انتقالی با بخشبندی نمونه (Transfer Learning with Instance Segmentation)یادگیری عمیق↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →