4 个月前

探索高质量目标域信息用于无监督领域适应语义分割

探索高质量目标域信息用于无监督领域适应语义分割

摘要

请提供需要翻译的英文内容。

代码仓库

ljjcoder/ehtdi
官方
pytorch
GitHub 中提及

基准测试

基准方法指标
domain-adaptation-on-gta5-to-cityscapesEHTDI*
mIoU: 62.0
image-to-image-translation-on-gtav-toEHTDI*
mIoU: 62.0
synthetic-to-real-translation-on-gtav-toEHTDI(ResNet-101)
mIoU: 58.8
synthetic-to-real-translation-on-gtav-toEHTDI*
mIoU: 62.0
synthetic-to-real-translation-on-synthia-to-1EHTDI
MIoU (13 classes): 64.6
MIoU (16 classes): 57.8
synthetic-to-real-translation-on-synthia-to-1EHTDI*
MIoU (13 classes): 69.2
MIoU (16 classes): 61.3

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
探索高质量目标域信息用于无监督领域适应语义分割 | 论文 | HyperAI超神经