Segmentazione di istanze adattiva al dominio
La segmentazione di istanze adattiva al dominio estende le architetture in stile Mask R-CNN per operare attraverso spostamenti di distribuzione — addestrando su un dominio sorgente etichettato (ad es., rendering sintetici o immagini diurne) e adattandosi a un dominio target non etichettato o debolmente etichettato (ad es., scene reali o filmati notturni). L'allineamento delle caratteristiche avversariale e il self-training colmano il divario di dominio a livello di granularità sia dell'immagine che dell'istanza.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Domain-Adaptive Instance Segmentation (Cross-Domain Instance-Level Pixel Segmentation). ScholarGate. https://scholargate.app/it/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.
- Segmentazione di istanzaApprendimento profondo↔ compare
- Segmentazione SemanticaApprendimento profondo↔ compare
- Apprendimento per trasferimento con segmentazione di istanzeApprendimento profondo↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →