文件名称：IntraDA:通过自我监督的语义监督的无监督域内自适应（CVPR 2020口头）
文件大小：6.4MB
文件格式：ZIP
更新时间：2024-05-04 00:21:55
pytorch semantic-segmentation domain-adaptation Python
通过自我监督的语义监督的无监督域内自适应 CVPR 2020口头 纸 潘飞，尹信欣，弗朗索瓦·拉莫，李石柱，苏So 韩国KAIST IEEE 2020年计算机视觉与模式识别会议（CVPR）（口头） 如果您发现本文或代码对您的研究有用，请引用我们的文章： @InProceedings{pan2020unsupervised, title = {Unsupervised Intra-domain Adaptation for Semantic Segmentation through Self-Supervision}, author = {Pan, Fei and Shin, Inkyu and Rameau, Francois and Lee, Seokju and Kweon, In So}, booktitle = {IEEE Conference on Com
【文件预览】：
IntraDA-gh-pages
----entropy_rank()
--------entropy.py(7KB)
----LICENSE(1KB)
----.gitmodules(83B)
----README.md(8KB)
----ADVENT()
--------setup.py(358B)
--------advent()
--------.gitignore(1KB)
--------Dockerfile(584B)
--------teaser.jpg(247KB)
--------LICENSE(11KB)
--------README.md(6KB)
--------tox.ini(121B)
----intrada()
--------intrada_trained_withnorm.yml(564B)
--------cityscapes.py(2KB)
--------intrada_trained.yml(554B)
--------intrada.yml(468B)
--------test.py(3KB)
--------train_UDA.py(15KB)
--------train.py(6KB)
----index.html(7KB)
----figure()
--------10193-teaser.gif(191KB)
--------table.png(72KB)
--------logo_rcv.png(17KB)
--------examples.png(1.54MB)
--------result2.png(1.54MB)
--------bosch_logo.png(35KB)
--------advent.PNG(42KB)
--------result1.png(1.02MB)
--------results.png(1.12MB)
--------bootstrap.min.css(107KB)
--------logo_kaistee.png(3KB)
--------introduction.png(400KB)
--------style.css(2KB)
--------adaptsegnet.PNG(38KB)
--------logo_kaist.png(72KB)
--------font.css(1KB)