Source-free domain adaptation for semantic image segmentation using internal representations

Semantic segmentation models trained on annotated data fail to generalize well when the input data distribution changes over extended time period, leading to requiring re-training to maintain performance. Classic unsupervised domain adaptation (UDA) attempts to address a similar problem when there i...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Serban Stan, Mohammad Rostami
Format:	Artigo
Język:	Inglês
Wydane:	Frontiers Media S.A. 2024-06-01
Seria:	Frontiers in Big Data
Hasła przedmiotowe:	domain adaptation Gaussian mixture model (GMM) optimal transport and Wasserstein distances sliced Wasserstein distance image segmentation
Dostęp online:	https://www.frontiersin.org/articles/10.3389/fdata.2024.1359317/full
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!