StandardGAN：通过数据标准化实现超高分辨率卫星图像语义分割的多源域自适应
图像与视频处理
2020-04-16 v1 计算机视觉与模式识别
机器学习
摘要
语义分割的域自适应近来被积极研究以提升深度学习模型的泛化能力。绝大多数域自适应方法处理单源情形，即在一个单源域上训练的模型被适配到目标域。然而，这些方法在实际世界中的应用有限，因为通常拥有多个具有不同数据分布的数据源。在本工作中，我们处理多源域自适应问题。我们的方法，即 StandardGAN，对每个源域和目标域进行标准化，使所有数据具有相似的数据分布。随后我们使用标准化后的源域训练分类器并对标准化后的目标域进行分割。我们在两个遥感数据集上进行了大量实验，其中第一个由来自同一国家的多个城市组成，另一个包含来自不同国家的多个城市。实验结果表明，StandardGAN 生成的标准化数据使分类器能够产生显著更好的分割结果。
引用
@article{arxiv.2004.06402,
title = {StandardGAN: Multi-source Domain Adaptation for Semantic Segmentation of Very High Resolution Satellite Images by Data Standardization},
author = {Onur Tasar and Yuliya Tarabalka and Alain Giros and Pierre Alliez and Sébastien Clerc},
journal= {arXiv preprint arXiv:2004.06402},
year = {2020}
}
备注
Accepted at CVPR EarthVision Workshop 2020