SemI2I：用于遥感数据领域适应的语义一致图像到图像翻译
图像与视频处理
2020-02-24 v2 计算机视觉与模式识别
摘要
尽管卷积神经网络已被证明是从遥感图像生成高质量地图的有效工具，但当训练与测试数据之间存在较大领域偏移时，其性能会显著退化。为解决此问题，我们提出了一种新的数据增强方法，利用生成对抗网络将测试数据的风格迁移至训练数据。我们的语义分割框架首先用真实训练数据训练一个 U-net，然后用所提方法生成的测试风格化伪训练数据对其进行微调。我们的实验结果证明该框架优于现有的领域适应方法。
引用
@article{arxiv.2002.05925,
title = {SemI2I: Semantically Consistent Image-to-Image Translation for Domain Adaptation of Remote Sensing Data},
author = {Onur Tasar and S L Happy and Yuliya Tarabalka and Pierre Alliez},
journal= {arXiv preprint arXiv:2002.05925},
year = {2020}
}