基于表征学习的半监督域适应用于跨时间语义分割
计算机视觉与模式识别
2019-10-08 v2
摘要
深度学习在拥有大量图像及像素级标注时可生成最先进的语义分割。为缓解昂贵的数据收集过程，我们提出一种针对具有相似语义内容但不同像素分布的图像的半监督域适应方法。在过往数据集上经监督训练的网络在新数据集上微调以保留其特征图。域适应变为特征图之间的简单回归，且不需要新数据集上的标注。该方法在带有合成变换的 PASCAL VOC 数据集上达到了与经典迁移学习相似的性能。
引用
@article{arxiv.1805.04141,
title = {Semi-Supervised Domain Adaptation with Representation Learning for Semantic Segmentation across Time},
author = {Assia Benbihi and Matthieu Geist and Cédric Pradalier},
journal= {arXiv preprint arXiv:1805.04141},
year = {2019}
}