科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决领域自适应中存在领域间视觉、空间以及语义特征分布差异的问题，提出了基于多模态特征的无监督领域自适应多级对抗语义分割网络。首先，设计3层结构的注意力融合语义分割网络来分别从源域和目标域学习上述三类特征。然后，在单级对抗学习中引入联合分布置信度和语义置信度的自监督学习方法，从而在领域间所学特征的分布距离最小化过程中实现更多目标域像素的分布对齐。最后，通过基于多模态特征的多级对抗学习方法对3路对抗分支与3个自适应子网进行联合优化，从而能够有效学习各子网所提取特征的域间不变表示。实验结果表明，与当前先进方法相比，所提网络在GTA5到Cityscapes、SYNTHIA到Cityscapes和SUN-RGBD到NYUD-v2的数据集上分别取得最优的平均交并比62.2%、66.9%和59.7%。
- 单位
