KRADA：面向语义分割中开集域适应的已知区域感知域对齐
图像与视频处理
2023-02-21 v3 计算机视觉与模式识别
机器学习
摘要
在语义分割中，我们旨在训练一个像素级分类器，为图像中所有像素分配类别标签，其中带标签训练图像与无标签测试图像来自同一分布且共享相同标签集。然而，在开放世界中，无标签测试图像可能包含未知类别，且与带标签图像具有不同分布。因此，本文考虑一种更新、更真实且更具挑战性的问题设定：像素级分类器必须使用带标签图像与无标签开放世界图像进行训练——我们将其命名为开集域适应分割（OSDAS）。在 OSDAS 中，训练所得分类器需能识别未知类像素并良好分类已知类像素。为解决 OSDAS，我们首先探究未知类像素所服从的分布。随后，受拟合优度检验启发，我们使用统计度量展示像素如何拟合未知类分布，并筛选高拟合度像素以构成每幅测试图像中的未知区域。最终，我们提出端到端学习框架——已知区域感知域对齐（KRADA），以区分未知类同时对齐带标签与无标签开放世界图像中已知类的分布。KRADA 的有效性已在两个合成任务与一个 COVID-19 分割任务上得到验证。
引用
@article{arxiv.2106.06237,
title = {KRADA: Known-region-aware Domain Alignment for Open-set Domain Adaptation in Semantic Segmentation},
author = {Chenhong Zhou and Feng Liu and Chen Gong and Rongfei Zeng and Tongliang Liu and William K. Cheung and Bo Han},
journal= {arXiv preprint arXiv:2106.06237},
year = {2023}
}
备注
18 pages