面向语义分割的无监督域适应隐式伪监督方法
计算机视觉与模式识别
2022-04-15 v1
摘要
伪标签是无监督域适应语义分割中一种流行的技术。然而，由于源域与目标域之间的差异以及训练过程，伪标签存在噪声且不可避免地具有确认偏差。在本文中，我们通过模型自身隐式生成的伪标签来训练模型，以学习关于目标域的新的互补知识。具体而言，我们提出了一种三学习架构，其中任意两个分支生成伪标签来训练第三个分支。并且我们基于每两个分支概率分布的相似性来对齐伪标签。为了进一步隐式利用伪标签，我们通过三元组损失最大化不同类别特征间的距离并最小化同类别特征间的距离。在 GTA5 到 Cityscapes 和 SYNTHIA 到 Cityscapes 任务上的大量实验表明，所提方法具有可观的提升。
引用
@article{arxiv.2204.06747,
title = {Unsupervised Domain Adaptation with Implicit Pseudo Supervision for Semantic Segmentation},
author = {Wanyu Xu and Zengmao Wang and Wei Bian},
journal= {arXiv preprint arXiv:2204.06747},
year = {2022}
}