结合自集成和对抗学习的域自适应城市场景语义分割

• 作者: 张桂梅 鲁飞飞 龙邦耀 缪君
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 自集成 对抗学习 域自适应 城市场景 语义分割
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 研究与应用
• 页码范围: 58-67
• 页数: 10页
• 分类号: TP319.4
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.202101006

摘要

针对城市场景标签获取的高额成本问题,文中提出结合自集成和对抗学习的域自适应城市场景语义分割方法.对于源域和目标域的较大域间差异问题,采用风格转换的方法将源域数据集合成具有目标域风格的新数据集,作为新的源域数据集,从而有效减少源域与目标域的域间差异.对于目标域的域内差异问题,引入自集成方法,构造教师网络,利用教师网络在目标域分割图上通过一致性约束监督与指导学生网络,从而减小目标域的域内差异,提高分割精度.采用自训练的方法获得目标域的伪标签,将伪标签加入对抗学习方法中,重新训练网络模型,进一步提高模型的分割能力.在数据集上的分割实验表明文中方法的有效性.