基于 CoRTe 的跨领域迁移学习:从黑盒到轻量级分割模型的一致可靠迁移
💡
原文中文,约300字,阅读约需1分钟。
📝
内容提要
本研究提出一种在线无监督域自适应算法,通过最小化源潜在特征与目标特征之间的分布距离,改善图像的语义分割模型在未注释领域上的泛化性能。
🎯
关键要点
-
本研究提出一种在线无监督域自适应算法。
-
算法通过最小化源潜在特征与目标特征之间的分布距离来改善模型性能。
-
促进两个领域之间的共享领域无关潜在特征空间。
-
改善图像的语义分割模型在未注释领域上的泛化性能。
-
通过高斯混合模型近似源潜在特征分布,减轻对源样本访问的需求。
-
在已建立的语义分割数据集上评估方法,显示出竞争优势。
➡️