Domein-adaptieve instantiesegmentatie
Domein-adaptieve instantiesegmentatie breidt Mask R-CNN-achtige architecturen uit om te opereren over distributieverschuivingen — trainen op een gelabeld bron-domein (bv. synthetische renderingen of beelden overdag) en aanpassen aan een ongelabeld of zwak gelabeld doel-domein (bv. echte scènes of nachtelijke opnames). Adversariële kenmerk-uitlijning en zelf-training dichten de domeinkloof op zowel beeld- als instantie-niveau granulariteit.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Domain-Adaptive Instance Segmentation (Cross-Domain Instance-Level Pixel Segmentation). ScholarGate. https://scholargate.app/nl/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.
- InstantiesegmentatieDeep learning↔ compare
- Semantische segmentatieDeep learning↔ compare
- Transfer Learning met Instance SegmentatieDeep learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →