Syn2Real，一种合成到真实的视觉域适应基准，旨在鼓励进一步开发强大的域转移方法。目标是在合成“源”域上训练模型，然后对其进行更新，以使其性能在真正的“目标”域上得到改进，而不使用任何目标注释。它包括三个任务，如上图所示：具有已知类别集的更传统的封闭集分类任务；在目标域中具有未知对象类别的研究较少的开放集分类任务；以及对象检测任务，该任务涉及通过预测对象的边界框和相应的类标签来定位对象实例。

OpenXLab30

Accuracies (%) on VisDA for black-box model adaptation. The best is in bold. TEN outperforms baselines with up to 3.62% higher accuracy.

视觉域适应

黑盒模型迁移学习

Accuracies (%) on VisDA for black-box model adaptation. The best is in bold. TEN outperforms baselines with up to 3.62% higher accuracy.

Figshare2025-05-12 更新00

Office-Home

域适应对象识别

跨域物体分类

已创建 Office-Home 数据集以评估使用深度学习进行对象识别的域适应算法。它由来自 4 个不同领域的图像组成：艺术图像、剪贴画、产品图像和真实世界图像。对于每个域，数据集包含通常在办公室和家庭设置中找到的 65 个对象类别的图像。

OpenXLab40

Tiny-ImageNet-R

跨域图像识别

视觉域适应

Tiny-ImageNet-R, is a down-sampled subset of ImageNet-R(enditions) imagenet-r. It contains roughly 12,000 samples categorized in 64 classes (a subset of Tiny-ImageNet classes), spread across multiple

Zenodo2022-06-16 更新00

VisDA2017 Reduced

资源简介：

相关数据集