การแบ่งส่วนอินสแตนซ์แบบปรับตัวตามโดเมน
การแบ่งส่วนอินสแตนซ์แบบปรับตัวตามโดเมนเป็นการขยายสถาปัตยกรรมแบบ Mask R-CNN เพื่อทำงานข้ามการเปลี่ยนแปลงการกระจาย — ฝึกบนโดเมนต้นทางที่มีป้ายกำกับ (เช่น การเรนเดอร์สังเคราะห์หรือภาพกลางวัน) และปรับให้เข้ากับโดเมนปลายทางที่ไม่มีป้ายกำกับหรือมีป้ายกำกับน้อย (เช่น ฉากจริงหรือฟุตเทจกลางคืน) การจัดแนวคุณลักษณะแบบปฏิปักษ์และการฝึกตนเองช่วยลดช่องว่างของโดเมนทั้งในระดับภาพและระดับอินสแตนซ์
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Domain-Adaptive Instance Segmentation (Cross-Domain Instance-Level Pixel Segmentation). ScholarGate. https://scholargate.app/th/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.
- การแบ่งส่วนอินสแตนซ์ (Instance Segmentation)การเรียนรู้เชิงลึก↔ compare
- Semantic Segmentationการเรียนรู้เชิงลึก↔ compare
- Transfer Learning with Instance Segmentationการเรียนรู้เชิงลึก↔ compare