典型文献
基于位置对抗学习的道路场景无监督域自适应语义分割
文献摘要：
在城市道路场景图像的无监督域自适应语义分割任务中,现有的基于对抗学习的跨域语义分割方法往往会忽视图像中的空间位置关系,在图像整体层面上进行对抗,这会导致卷积神经网络偏向于提取两个域之间主要类别的特征.道路场景图像中的上、中、下3部分对应的类别不同且类别占比差距也较大,但以往的方法没有充分利用图像的空间位置结构,也没有考虑到数据集中存在的类别占比数量不平衡的问题.为了解决这个问题,提出了横向位置分块对抗和纵向位置分块对抗的方法.在块与块内做对抗损失,这样可以使域之间类别的靠拢更加细节化,一定程度上解决了数据集中的类别数量不平衡问题.通过在数据集GTA5到Cityscapes和SYNTHIA到Cityscapes上的实验,证明了所提方法的有效性.
文献关键词：
对抗学习;语义分割;域自适应
中图分类号：
作者姓名：
赵伟枫
作者机构：
昆明理工大学 信息工程与自动化学院,云南 昆明 650500
文献出处：
引用格式：
[1]赵伟枫-.基于位置对抗学习的道路场景无监督域自适应语义分割)[J].电视技术,2022(04):63-68
A类：
B类：
对抗学习,道路场景,无监督域自适应,语义分割,城市道路,场景图像,跨域,分割方法,视图,空间位置,位置关系,比数,横向位置,分块,纵向位置,靠拢,加细,细节化,别数,不平衡问题,GTA5,Cityscapes,SYNTHIA
AB值：
0.336461
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
