Zobrazeno 1 - 6
of 6
pro vyhledávání: '"Liu, Xiongchang"'
Deep learning is usually data starved, and the unsupervised domain adaptation (UDA) is developed to introduce the knowledge in the labeled source domain to the unlabeled target domain. Recently, deep self-training presents a powerful means for UDA, i
Externí odkaz:
http://arxiv.org/abs/2208.12885
Unsupervised domain adaptation (UDA) aims to transfer the knowledge on a labeled source domain distribution to perform well on an unlabeled target domain. Recently, the deep self-training involves an iterative process of predicting on the target doma
Externí odkaz:
http://arxiv.org/abs/2101.00316
Autor:
Liu, Xiaofeng, Liu, Xiongchang, Hu, Bo, Ji, Wenxuan, Xing, Fangxu, Lu, Jun, You, Jane, Kuo, C. -C. Jay, Fakhri, Georges El, Woo, Jonghye
Recent advances in unsupervised domain adaptation (UDA) show that transferable prototypical learning presents a powerful means for class conditional alignment, which encourages the closeness of cross-domain class centroids. However, the cross-domain
Externí odkaz:
http://arxiv.org/abs/2101.00318
Semantic segmentation is important for many real-world systems, e.g., autonomous vehicles, which predict the class of each pixel. Recently, deep networks achieved significant progress w.r.t. the mean Intersection-over Union (mIoU) with the cross-entr
Externí odkaz:
http://arxiv.org/abs/2008.04751
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.