重新审视BiSeNet：面向语义分割实时域适应的RTDA方法
计算机视觉与模式识别
2021-10-25 v1
摘要
语义分割模型已在各类任务上取得令人瞩目的性能。然而，这一性能是通过极其庞大的模型、借助强大的计算资源且未考虑训练与推理时间而获得的。另一方面，现实应用需要具有最小内存需求、高效推理速度且可在低资源嵌入式设备（如自动驾驶车辆）上执行的模型。在本文中，我们关注跨域实时语义分割的挑战，并训练一个模型，使其尽管在合成领域上训练，仍能在真实世界数据上恰当运作。我们采用了一个为此目的专门创建的新型轻量级浅层判别器。据我们所知，我们首个提出了用于评估语义分割中域适应问题的实时对抗方法。我们在两个标准协议上测试了我们的框架：GTA5到Cityscapes以及SYNTHIA到Cityscapes。代码见：https://github.com/taveraantonio/RTDA。
引用
@article{arxiv.2110.11662,
title = {Reimagine BiSeNet for Real-Time Domain Adaptation in Semantic Segmentation},
author = {Antonio Tavera and Carlo Masone and Barbara Caputo},
journal= {arXiv preprint arXiv:2110.11662},
year = {2021}
}
备注
Accepted at I-RIM 3D 2021