科研之友
微信
新浪微博
Facebook
分享链接
摘要
域自适应分割网络是城市场景跨域语义分割的有效方法，但由于跨域数据集外观分布不同导致域差异，且网络对小目标分割精度不理想。针对该问题，提出基于双源判别器的域自适应分割方法。首先，对源域S使用风格转换方法 FastPhotoStyle得到新源域S'，从图像层面降低域差异。然后，利用生成器分别提取源域S、新源域S'和目标域T的分割特征图，将新源域的特征图作为中间桥梁，分别与源域特征图，目标域特征图进行通道维度上的特征融合，将得到的2个融合后的特征图输入双源判别器中，双源判别器和生成器迭代进行对抗训练。由于该模型的判别器输入为双源特征，故称为双源判别器，双源输入的2个特征包含相似的特征信息，进一步从特征层面降低域差异。为了进一步提高分割精度，引入自训练的伪标签，同时针对训练时出现的类不平衡问题，提出在目标域的损失函数中引入类平衡因子，增加网络对小目标的分割能力。在2个分割任务GTA5→Cityscapes和SYNTHIA→Cityscapes上进行的实验证明了该方法的先进性和有效性。
- 单位
