Domänadaptiv instanssegmentering
Domänadaptiv instanssegmentering utökar Mask R-CNN-liknande arkitekturer för att fungera över distributionsförskjutningar — träning på en märkt källdomän (t.ex. syntetiska renderingar eller dagsljusbilder) och anpassning till en omärkt eller svagt märkt måldomän (t.ex. verkliga scener eller nattliga filmer). Adversariell funktionsinriktning och självlärning minskar domänluckan på både bildnivå och instansnivå.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Domain-Adaptive Instance Segmentation (Cross-Domain Instance-Level Pixel Segmentation). ScholarGate. https://scholargate.app/sv/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.
- InstanssegmenteringDjupinlärning↔ compare
- Semantisk segmenteringDjupinlärning↔ compare
- Transfer Learning med instanssegmenteringDjupinlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →