EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Mitigating Distributional Shift in Semantic Segmentation via Uncertainty Estimation From Unlabeled Data

David S. W. Williams, Daniele De Martini, Matthew Gadd, Paul Newman

IEEE Transactions on Robotics · 2024 · 40 · 3146-3165

DOI: 10.1109/tro.2024.3401020 ↗

Kurz gefasst

Fachartikel in der Zeitschrift IEEE Transactions on Robotics, 2024. Verfasst von David S. W. Williams und 3 weiteren Autor:innen. Die Arbeit wurde bisher 7-mal zitiert (Crossref) und nennt 54 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: EPSRC Programme.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • EPSRC Programme

Zitieren

APA

Williams, D. S. W., Martini, D. D., Gadd, M., & Newman, P. (2024). Mitigating Distributional Shift in Semantic Segmentation via Uncertainty Estimation From Unlabeled Data. IEEE Transactions on Robotics, 40, 3146-3165. https://doi.org/10.1109/tro.2024.3401020

Vancouver

Williams DSW, Martini DD, Gadd M, Newman P. Mitigating Distributional Shift in Semantic Segmentation via Uncertainty Estimation From Unlabeled Data. IEEE Transactions on Robotics. 2024;40:3146-3165. doi:10.1109/tro.2024.3401020

BibTeX
@article{Williams2024,
  author = {Williams, David S. W. and Martini, Daniele De and Gadd, Matthew and Newman, Paul},
  title = {Mitigating Distributional Shift in Semantic Segmentation via Uncertainty Estimation From Unlabeled Data},
  journal = {IEEE Transactions on Robotics},
  year = {2024},
  volume = {40},
  pages = {3146--3165},
  doi = {10.1109/tro.2024.3401020}
}
Kostenlos starten →