Adaptīvā piemērošanās domēniem instanču segmentācijai
Adaptīvā piemērošanās domēniem instanču segmentācijai paplašina Mask R-CNN stila arhitektūras, lai tās darbotos dažādos sadalījuma maiņas gadījumos — apmācoties uz marķētu avota domēnu (piemēram, sintētiskiem attēliem vai dienas laikā uzņemtiem attēliem) un pielāgojoties nemarķētam vai vāji marķētam mērķa domēnam (piemēram, reālām ainām vai nakts laikā uzņemtiem kadriem). Adversariālā iezīmju saskaņošana un pašmācīšanās novērš domēnu plaisu gan attēla, gan instanču līmenī.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Domain-Adaptive Instance Segmentation (Cross-Domain Instance-Level Pixel Segmentation). ScholarGate. https://scholargate.app/lv/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.
- Instance segmentācijaDziļā mācīšanās↔ compare
- Semantiskā segmentācijaDziļā mācīšanās↔ compare
- Pārneses apmācība ar instanču segmentācijuDziļā mācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →