文件名称：Unsupervised-Domain-Adaptation-with-Differential-Treatment:[CVPR 2020]东西区别对待
文件大小：1.96MB
文件格式：ZIP
更新时间：2024-05-24 12:37:02
Python
东西的差异处理：语义分割的一种简单的无监督域自适应方法 该存储库适用于CVPR2020接受的以下论文中介绍的Stuff Instance Matching（SIM）框架 ，，， ，， ，和 介绍 在这项工作中，我们通过减轻源域（合成数据）和目标域（实际数据）之间的域迁移来考虑语义监督的无监督域自适应问题。 最新的方法证明执行语义级别的对齐有助于解决域转换问题。 基于观察发现，东西类别通常在不同域的图像上具有相似的外观，而事物（即对象实例）具有更大的差异，我们建议使用不同策略针对东西区域和事物改进语义级别的对齐方式：1）对于在填充类别中，我们为每个类生成特征表示，并执行从目标域到源域的对齐操作； 2）对于事物类别，我们为每个单独的实例生成特征表示，并鼓励目标域中的实例与源域中最相似的实例对齐。 这样，事物类别内的个体差异也将被认为可以减轻过度对齐的情况。 除了我们提出的方法外，我们还揭示了当
【文件预览】：
Unsupervised-Domain-Adaptation-with-Differential-Treatment-master
----.gitignore(90B)
----SSL.py(5KB)
----Figs()
--------framework.png(648KB)
--------synthia_results.png(85KB)
--------visualization.png(557KB)
--------idea.png(372KB)
--------gta5_results.png(228KB)
----requirements.txt(116B)
----evaluate_cityscapes.py(5KB)
----model()
--------__init__.py(0B)
--------deeplab_vgg.py(2KB)
--------anchor_label.py(5KB)
--------fcn8s.py(8KB)
--------discriminator.py(1023B)
--------deeplab.py(7KB)
--------deeplab_multi.py(12KB)
----dataset()
--------cityscapes_list()
--------cityscapes_dataset.py(2KB)
--------__init__.py(0B)
--------synthia_dataset.py(4KB)
--------gta5_dataset.py(3KB)
--------synthia_list()
--------gta5_list()
----utils()
--------constant.py(6KB)
--------functions.py(506B)
--------__init__.py(0B)
--------loss.py(2KB)
----train_sim_ssl.py(24KB)
----README.md(6KB)
----eva.sh(144B)
----train_sim.py(24KB)
----compute_iou.py(3KB)