文件名称:FDA:用于语义分割的傅里叶域自适应
文件大小:6.11MB
文件格式:ZIP
更新时间:2024-04-09 22:46:47
Python
FDA:用于语义分割的傅里叶域自适应。 这是2020年CVPR发布的论文的Pytorch实施。 使用傅里叶变换,可以通过样式转换轻松调整域。 FDA不需要深入的网络来进行样式转换,也不需要任何对抗培训。下面是建议的傅里叶域自适应方法的示意图: 步骤1:将FFT应用于源图像和目标图像。 步骤2:将源幅度的低频部分替换为目标幅度的低频部分。 步骤3:将逆FFT应用于修改后的源频谱。 用法 FDA演示 python3 FDA_demo.py FDA用于域适应的一个例子。 (来源:GTA5,目标:CityScapes,β为0.01) 使用FDA的Sim2Real Adaptation(单个beta) python3 train.py --snapshot-dir ='.. / checkpoints / FDA'--init-weights ='.. / checkpoints / FDA /
【文件预览】:
FDA-master
----FDA_demo.py(682B)
----train.py(5KB)
----utils()
--------__init__.py(3KB)
--------timer.py(579B)
----evaluation_multi.py(6KB)
----model()
--------deeplab.py(10KB)
--------fcn8s.py(9KB)
--------__init__.py(2KB)
--------CLS.py(3KB)
--------discriminator.py(2KB)
----SStrain.py(5KB)
----dataset()
--------cityscapes_list()
--------gta5_list()
--------synthia_list()
----options()
--------train_options.py(4KB)
--------__init__.py(0B)
--------test_options.py(2KB)
----README.md(4KB)
----data()
--------cityscapes_dataset.py(1KB)
--------cityscapes_dataset_SSL.py(1KB)
--------__init__.py(5KB)
--------cityscapes_dataset_label.py(2KB)
--------gta5_dataset.py(2KB)
--------synthia_dataset.py(2KB)
----getSudoLabel_multi.py(3KB)
----.gitignore(18B)
----demo_images()
--------target.png(2.08MB)
--------FDA.png(1.08MB)
--------source.png(2.03MB)
--------example.png(849KB)