- 博客(5)
- 收藏
- 关注
RSS订阅原创 2016-CVPR-FCN in the Wild 论文学习笔记
《Fcnsinthewild：pixel-leveladversarialandconstraint-basedadaption》这篇⽂章发表于 2016年cvpr，是最早把域⾃适应⽤到语义分割当中的论⽂。⽂章主要针对domainshift的问题。⼀种是全局域偏移，⽐如说在合成的游戏场景和真实场景之间的差异， 导致特征空间的边际分布产⽣偏移。⼀种是特定类型的偏移，⽐如说两个城市的路标外观不同，所以产⽣了偏移。本文通过全局域距离的缩小和特定类别的约束进行了域自适应，文章为开篇之作。
2022-09-08 20:46:42
857
2
原创 【2018CVPR】Learning to Adapt Structured Output Space for Semantic Segmentation-AdaptSegnet 论文笔记
基于 CNN 的网络模型需要大量的标注来覆盖场景的所有可能的变化，尤其当训练(源)图像和测试(目标)图像之间存在较大的差异时，标注的工程量巨大。根据观察， 源域和目标域图像虽然在外观差异比较大，但是他们的空间布局和局部上下文信息相似性比较高。2.本文创新点 1：基于对抗学习，提出了像素级语义分割的域自适应方法模型：......
2022-06-09 21:04:23
273
原创 AAAI 2021 DAST 论文阅读笔记
在这项工作中，我们提出了一种称为 discriminator attention (DA)的策略，直接评估局部特征是否难以适应。提出的 DA 策略包括“发现”和“纠正”两个阶段的对抗性学习。我们进一步引入一种自训练策略来保证模型的决策边界适合于目标域。.........
2022-06-07 20:54:24
235
翻译 DAST: Unsupervised Domain Adaptation in Semantic Segmentation Based onDiscriminator Attention
在本文中，我们顺应趋势提出了一种新的方法，利用鉴别器注意和自我训练策略来减少域偏移。鉴别器注意策略包含两个阶段的对抗性学习过程，它明确区分对齐良好(领域不变)和对齐不良(领域特定)特征，并引导模型关注后者。自训练策略自适应地改进了模型针对目标域的决策边界，隐式地促进了域不变特征的提取。通过结合两种策略，我们找到了一种更有效的方法来减少域移。............
2022-06-07 18:10:55
463
原创 网络复现笔记-AdaptSegNet
GitHub - tangzhenjie/AdaptSegNet: Learning to Adapt Structured Output Space for Semantic Segmentation, CVPR 2018 (spotlight)
2021-06-19 21:26:55
1910
10
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人