一次性跨领域语义分割的信息挖掘
原文约300字/词，阅读约需1分钟。发表于：。我们提出了一种名为 Informative Data Mining (IDM) 的新框架，通过使用一种基于不确定性的样本选择准则来实现高效的一次性领域自适应，其中包括基于补丁混合和基于原型的信息最大化来更新模型，有效提高了自适应性并缓解过拟合问题。
该文介绍了一种解决无监督领域自适应人员再识别问题的新方法，利用源和目标领域之间的桥梁来建模中间领域，并通过中间域模块生成中间域表示。该方法在各种常见的任务中表现出比现有算法更好的性能，并在MSMT17基准测试中获得了7.7％的mAP增益。
