![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
语义分割-自适应
是丸子呀_Yes
这个作者很懒,什么都没留下…
展开
-
域自适应——Bidirectional Learning for Domain Adaptation of Semantic Segmentation
本文的域位移是针对虚拟数据和真实数据之间的。 本文的贡献是:(1)提出了一种语义分割的双向学习系统,它是一个学习分割适应模型和图像翻译模型的闭环学习系统。(2)对于语义分割,提出了一种基于翻译结果的自监督学习算法,该算法在特征层次上逐步调整目标域和源域。(3)在图像到图像的翻译中引入了感知损失,通过更新分割自适应模型来监督图像翻译的过程。 ...原创 2019-11-14 21:01:34 · 2182 阅读 · 0 评论 -
域自适应——Taking A Closer Look at Domain Shift: Category-level Adversaries for Semantics Consistent
目前方法的缺陷:只顾及了源域和目标域之间的边缘分布,没有顾及源域和目标域之间的联合概率分布,不仅对齐不好,而且会把已经对齐的特征进行负迁移。为了解决全局对抗学习的局限性,提出了类别级的对抗网络。 本文贡献如下: (1)通过提出对不同特征的对抗损失进行自适应加权,强调了类别级特征对齐对减少域移位的重要性。 (2)论文结果与最先进的UDA(unsupervised domain adaptation)...原创 2019-11-20 21:52:44 · 2338 阅读 · 0 评论 -
域自适应——Learning to Adapt Structured Output Space for Semantic Segmentation
论文地址:https://arxiv.org/abs/1802.10349 代码地址:https://github.com/wasidennis/AdaptSegNet 首先是基于pixel-level的理由:一方面,与基于特征描述图像全局视觉信息的图像分类不同,用于语义分割的高维特征编码了复杂的表示。因此,在特征空间中进行自适应不一定是语义分割的最佳选择。另一方面,虽然分割输出是在低维空间中,但...原创 2019-11-06 20:36:24 · 785 阅读 · 0 评论