用于语义分割的类别自适应域适应
计算机视觉与模式识别
2022-01-26 v2
摘要
无监督域适应（UDA）在处理无目标域真值标注的现实问题时日益流行。尽管无需繁琐的标注工作，UDA 不可避免地面临两个问题：1）如何缩小域差异以提升迁移性能；2）如何改进用于自监督学习（SSL）的伪标注生成机制。本文中，我们聚焦于语义分割任务的 UDA。首先，我们将对抗学习引入风格鸿沟桥接机制，使两域的风格信息保持在相似空间中。其次，为保持各类别伪标签的平衡，我们提出一种类别自适应阈值机制，为 SSL 选择类别级伪标签。实验使用 GTA5 作为源域、Cityscapes 作为目标域进行。结果表明，我们的模型在跨域适应任务上以显著增益优于当前最优方法（SOTA）。
引用
@article{arxiv.2103.15467,
title = {Category-Adaptive Domain Adaptation for Semantic Segmentation},
author = {Zhiming Wang and Yantian Luo and Danlan Huang and Ning Ge and Jianhua Lu},
journal= {arXiv preprint arXiv:2103.15467},
year = {2022}
}