Domeneadaptiv instanssegmentering
Domeneadaptiv instanssegmentering utvider Mask R-CNN-lignende arkitekturer til å fungere på tvers av distribusjonsforskyvninger – trening på et merket kildedomene (f.eks. syntetiske gjengivelser eller dagslysbilder) og tilpasning til et umerket eller svakt merket måldomene (f.eks. virkelige scener eller nattbilder). Adversariell egenskapsjustering og selvtrening lukker domenegapet på både bilde- og instansnivå.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Domain-Adaptive Instance Segmentation (Cross-Domain Instance-Level Pixel Segmentation). ScholarGate. https://scholargate.app/no/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.
- InstanssegmenteringDyp læring↔ compare
- Semantisk segmenteringDyp læring↔ compare
- Overføringslæring med instanssegmenteringDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →