相位一致的生态域适应
计算机视觉与模式识别
2020-04-13 v1
摘要
我们引入两个准则来正则化在无标注数据域中学习分类器所涉及的优化问题,该问题利用另一域中的标注数据,被称为无监督域适应。我们聚焦于语义分割任务,其中标注的合成数据十分丰富,但标注真实数据却很费力。第一个准则受视觉心理物理学启发,即两个图像域之间的映射应保持相位。这限制了可能学到的映射集合,同时保留足够的灵活性以传递语义信息。第二个准则旨在利用生态统计,即场景中无论光照体或成像传感器的特性如何都显现出的规律性。它使用一个深度神经网络实现,该网络在给定单张未标注图像时对每个可能分割的似然进行评分。将这两个先验纳入标准域适应框架,可在最通用的无监督域适应语义分割基准中全面改善性能。
引用
@article{arxiv.2004.04923,
title = {Phase Consistent Ecological Domain Adaptation},
author = {Yanchao Yang and Dong Lao and Ganesh Sundaramoorthi and Stefano Soatto},
journal= {arXiv preprint arXiv:2004.04923},
year = {2020}
}