#423 · 主分类： 计算机视觉
AdaptSegNet
adversarial-learning
computer-vision
deep-learning
domain-adaptation
generative-adversarial-network
pytorch
semantic-segmentation
学习适应语义分割的结构化输出空间，CVPR 2018（亮点）
项目最后更新：08/14/20
GitHub Stars
858
Forks数量
206
贡献者数量
3
许可证
Other
收录理由
用合成数据训练出来的分割模型，一到真实摄像头画面上往往就失效，AdaptSegNet 正是针对这一痛点给出的 2018 年实现。它通过对抗损失直接对齐网络的结构化输出空间，让 GTA5 这类源域上的预测结果与 Cityscapes 这类目标域的表现趋同，后者也正是该领域公认的评测基准。项目代码用 PyTorch 写成，体量不大，很多模块可以直接拆出来用到自己的实验里。论文作者提供的版本当年在 VisDA 挑战赛上拿到过第三名，实力有据可查。不过要提醒的是，这毕竟是围绕 CVPR 2018 论文展开的研究代码，并非长期维护的工程产品，依赖库的版本可能需要自行更新才能跑通。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。