WEDGE：网络图像辅助的语义分割域泛化
计算机视觉与模式识别
2023-05-03 v4 人工智能
摘要
语义分割的域泛化在实际应用中需求很高，其中训练好的模型期望能在先前未见过的域上表现良好。一个挑战在于缺乏能够覆盖训练中可能未见过的域的多样分布的数据。在本文中，我们提出了一种网络图像辅助的域泛化（WEb-image assisted Domain GEneralization, WEDGE）方案，这是首个利用网络爬取图像的多样性来实现可泛化语义分割的方法。为了探索和利用真实世界的数据分布，我们收集了在天气条件、地点、光照、相机风格等方面表现出巨大多样性的网络爬取图像。我们还提出了一种在训练期间将网络爬取图像的风格即时注入训练图像的方法，使网络能够使用可靠的标签体验不同风格的图像，从而进行有效训练。此外，我们使用带有预测伪标签的网络爬取图像进行训练，以进一步增强网络的能力。大量实验表明，我们的方法明显优于现有的域泛化技术。
引用
@article{arxiv.2109.14196,
title = {WEDGE: Web-Image Assisted Domain Generalization for Semantic Segmentation},
author = {Namyup Kim and Taeyoung Son and Jaehyun Pahk and Cuiling Lan and Wenjun Zeng and Suha Kwak},
journal= {arXiv preprint arXiv:2109.14196},
year = {2023}
}