Segmentação de Instâncias Adaptativa a Domínios
A segmentação de instâncias adaptativa a domínios estende as arquiteturas estilo Mask R-CNN para operar em mudanças de distribuição — treinando em um domínio de origem rotulado (por exemplo, renderizações sintéticas ou imagens diurnas) e adaptando-se a um domínio alvo não rotulado ou fracamente rotulado (por exemplo, cenas reais ou filmagens noturnas). O alinhamento adversarial de características e o auto-treinamento ("self-training") fecham a lacuna de domínio tanto na granularidade de nível de imagem quanto de nível de instância.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Domain-Adaptive Instance Segmentation (Cross-Domain Instance-Level Pixel Segmentation). ScholarGate. https://scholargate.app/pt/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.
- Segmentação de InstânciaAprendizado profundo↔ compare
- Segmentação semânticaAprendizado profundo↔ compare
- Transfer learning com segmentação de instânciasAprendizado profundo↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →