總結 域自適應 跨域分割方法 城市場景 語義分割

**組成部分：

實驗：

實驗結果分析

結論

研究背景：

語義分割 ➢ 影象分析與理解 ➢計算機視覺 ➢  自動駕駛/無人駕駛/vr虛擬實境增強/人機互動/醫療 ➢ 人工智慧 

語義分割：是計算機視覺和醫學影象中的重要研究課題，其任務是對影象中的每個畫素點進行分類，並使用不同顏色來標註影象中的不同目標類別。

(有標籤)監督的語義分割的兩大難題：1.分割精度嚴重依賴大規模資料集和相應的真實標籤——人工 收集大規模資料集和標籤 費時費力，代價太大

2.監督方法訓練出來的分割網路泛化性差/遷移能力差（不同場景/不同拍攝條件）

真實場景資料和標籤難獲得*****>借助於 虛假資料集和對應標籤來對分割網路做監督訓練，然後泛化到真實場景資料集(即，用 帶標籤的虛擬資料集 訓練出來的分割網路 來分割真實場景資料集)

(單純的監督訓練方法太難

解決跨域iframe自適應高度

關於iframe自適應高度的討論可以先看看口碑ued的部落格 大概原理見下圖 可以直接看示例 下面直接上 了 下面是核心 loader.js 檔案proxy.html 使用方法 一 在主頁面要包含的iframe中引入loader.js 二 傳入引數。有兩種傳參方法 1.在主頁面引用iframe的時候...