SimT: Handling Open-set Noise for Domain Adaptive Semantic Segmentation

This paper studies a practical domain adaptive (DA) semantic segmentation problem where only pseudo-labeled target data is accessible through a black-box model. Due to the domain gap and label shift between two domains, pseudo-labeled target data contains mixed closed-set and open-set label noises....

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings (IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Online) s. 7022 - 7031
Hlavní autoři:	Guo, Xiaoqing, Liu, Jie, Liu, Tongliang, Yuan, Yixuan
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 01.06.2022
Témata:	Adaptation models Computational geometry Computational modeling Estimation grouping and shape analysis Representation learning Semantics Solid modeling Transfer/low-shot/long-tail learning; Deep learning architectures and techniques; Scene analysis and understanding; Segmentation
ISSN:	1063-6919
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!