Machine learningDeep learning / NLP / CV
도메인 적응 인스턴스 분할
도메인 적응 인스턴스 분할은 Mask R-CNN 스타일 아키텍처를 확장하여 분포 변화에 걸쳐 작동하도록 합니다. 즉, 레이블이 지정된 소스 도메인(예: 합성 렌더링 또는 주간 이미지)에서 학습하고 레이블이 없거나 약하게 레이블이 지정된 타겟 도메인(예: 실제 장면 또는 야간 영상)에 적응합니다. 적대적 특징 정렬과 자기 학습은 이미지 수준 및 인스턴스 수준의 세분성에서 도메인 간격을 좁힙니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Domain-Adaptive Instance Segmentation (Cross-Domain Instance-Level Pixel Segmentation). ScholarGate. https://scholargate.app/ko/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.
Compare side by side →