طريقة جديدة للتكيف غير المراقبة بين المجالات للتحليل الدلالي الموجه بالعمق باستخدام التوافق من الخشنة إلى الدقيقة
{Dinh Viet Sang Nguyen Thi-Oanh Muriel Visani Trinh Van Dieu Nguyen Minh Tu Kieu Dang Nam}
الملخص
تتعامل أساليب التكيّف النطقي في التعلم الآلي مع مشكلة انزياح النطاق من خلال محاذاة تمثيل البيانات المصدرية والمستهدفة. يقترح هذا البحث منهجًا جديدًا لتكيّف النطاق للتحليل الدلالي، يعتمد على تحويل فورييه في الفضاء اللوني لتحسين جودة نقل الأسلوب، ويُولِّد تسميات افتراضية للتدريب الذاتي من خلال دمج نتائج من مدرسين مختلفين تم الحصول عليها في جولات مختلفة من التدريب الذاتي. كما يطبّق منهجنا تعلمًا مُضادًا على مستوى الفئة لتحقيق محاذاة أدق بين النطاقين، ويستخدم دمجًا متأخرًا مع نموذج تقدير العمق لتحسين نتائج التحليل الدلالي. تُظهر التجارب أن منهجنا يحقق أداءً متفوقًا من حيث الدقة مقارنة بأساليب الحالة الحالية الأخرى.
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| domain-adaptation-on-gta5-to-cityscapes | FAFS | mIoU: 58.8 |
| unsupervised-domain-adaptation-on-gtav-to | FAFS | mIoU: 58.8 |
| unsupervised-domain-adaptation-on-synthia-to | FAFS | mIoU: 54.5 mIoU (13 classes): 61.4 |
بناء الذكاء الاصطناعي بالذكاء الاصطناعي
من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.