本文转自：【半监督学习】MixMatch、UDA、ReMixMatch、FixMatch 半监督学习（Semi-Supervised Learning，SSL）的 SOTA 一次次被 Google 刷新，从 MixMatch 开始，到同期的 UDA、ReMixMatch，再到 2020 年的 FixMatch。 目录 Consistency RegularizationEntropy Min

在阅读 Self-supervised Augmentation Consistency for Adapting Semantic Segmentation 时，突然发现不太清楚无监督领域自适应 领域自适应 迁移学习中的一种代表性方法，利用源域的丰富样本提升目标域模型的性能。问题：他们的分布不同。不同阶段的方法不同[1] 无监督领域自适应 领域自适应的关键是如何减小source和t

ACE: Adapting to Changing Environments for Semantic Segmentation ACE：适应变化环境下的语义分割 0.摘要1.概述2.相关工作2.1.无监督领域适应2.2.图像合成和风格化2.3.终身学习2.4.元学习 3.方法3.1.通过编码器和生成器进行样式化3.2.语义分割网络3.3.记忆单元和风格回放3.4.通过自适应元学习实现更快的

给FDMEE 11.1.2.4打了210补丁，据说100补丁就支持UDA了，反正我是没用过。按照最新的官方文档【Working with a Universal Data Adapter in FDMEE】，step by step地做下来，在创建Source Adapter的时候还是遇到了问题。。。。 创建完成Source Adapter，点击保存Safe后，再去点击Generate Temp