ResiDualGAN：用于跨域遥感图像语义分割的缩放-残差双重 GAN
计算机视觉与模式识别
2022-10-31 v2
摘要
在标注数据集上预训练的遥感（RS）图像语义分割模型，由于域间隙，在另一未标注数据集上测试时性能会大幅下降。对抗生成方法，例如 DualGAN，被用于非配对图像到图像翻译以最小化像素级域间隙，这是无监督域适应（UDA）的常用方法之一。然而，现有图像翻译方法在执行 RS 图像翻译时面临两个问题：1）忽略两个 RS 数据集之间的尺度差异，这极大影响尺度不变物体的精度性能；2）忽略 RS 图像实到实翻译的特性，给模型训练带来不稳定因素。本文提出 ResiDualGAN 用于 RS 图像翻译，其中使用网络内缩放模块解决 RS 数据集的尺度差异，并使用残差连接增强实到实图像翻译的稳定性并提升跨域语义分割任务性能。结合输出空间适应方法，所提方法在常用基准上大幅提升了精度性能，证明了 ResiDuanGAN 的优越性与可靠性。文末还进行了深入讨论，对 ResiDualGAN 的改进给出合理解释。我们的源代码见 https://github.com/miemieyanga/ResiDualGAN-DRDG。
引用
@article{arxiv.2201.11523,
title = {ResiDualGAN: Resize-Residual DualGAN for Cross-Domain Remote Sensing Images Semantic Segmentation},
author = {Yang Zhao and Peng Guo and Zihao Sun and Xiuwan Chen and Han Gao},
journal= {arXiv preprint arXiv:2201.11523},
year = {2022}
}