
Durch die Modellierung der Beziehungen zwischen Klassen und den gezielten Einsatz von Datenaugmentierung sowie einer gewichteten Verlustfunktion kann die Leistung bei Minderheitsklassen in der domänenadaptiven Objekterkennung deutlich verbessert werden.


coremsg

effiziente-verarbeitung-und-analyse-von-inhalten-zur-gewinnung-von-erkenntnissen-eine-methode-zur-verbesserung-der-leistung-bei-unausgewogener-klassenzugehörigkeit-in-der-domänenadaptiven-objekterkennung


Effiziente Verarbeitung und Analyse von Inhalten zur Gewinnung von Erkenntnissen: Eine Methode zur Verbesserung der Leistung bei unausgewogener Klassenzugehörigkeit in der domänenadaptiven Objekterkennung


title_rewrite


Eine neuartige einheitliche Mehrgranularitätsausrichtung (MGA) wird eingeführt, um die Diskrepanz in den Merkmalsverteilungen zwischen Quell- und Zieldomänen über verschiedene Granularitätsebenen hinweg effektiv zu reduzieren, was zu einer robusten domänenadaptiven Objekterkennung führt.


robuste-domänenadaptive-objekterkennung-durch-einheitliche-mehrgranularitätsausrichtung


Robuste domänenadaptive Objekterkennung durch einheitliche Mehrgranularitätsausrichtung
