合成数据在城市场景语义分割中的有效利用
计算机视觉与模式识别
2018-07-18 v1
摘要
训练深度网络执行语义分割需要大量标注数据。为减轻标注真实图像的手动工作量，研究者已探索使用可自动标注的合成数据。遗憾的是，在合成数据上训练的网络在真实图像上表现相对较差。虽然这可以通过域适应来解决，但现有方法都要求在训练时访问真实图像。本文提出一种截然不同的处理合成图像的方式，其在训练时无需看到任何真实图像。我们的方法基于如下观察：前景与背景类受域偏移的影响方式不同，因此应区别对待。具体而言，前者应以基于检测的方式处理，以更好地考虑以下事实：尽管其在合成图像中的纹理不够逼真，但其形状看起来自然。我们的实验在 Cityscapes 和 CamVid 上证明了仅使用合成数据训练的模型所采用方法的有效性。
引用
@article{arxiv.1807.06132,
title = {Effective Use of Synthetic Data for Urban Scene Semantic Segmentation},
author = {Fatemeh Sadat Saleh and Mohammad Sadegh Aliakbarian and Mathieu Salzmann and Lars Petersson and Jose M. Alvarez},
journal= {arXiv preprint arXiv:1807.06132},
year = {2018}
}
备注
Accepted in European Conference on Computer Vision (ECCV), 2018