作者:Yawei Luo , Liang Zheng, Tao Guan , Junqing Yu , Yi Yang
一、背景知识介绍
1、语义分割:
1)定义:给定一张图片,对图片上的每一个像素点分类。
2)样本来源:昂贵的人工劳动所获得的大量密集像素级注释;另一种方法是使用模拟数据(如计算机生成的场景)
3)问题提出:使用模拟数据得到的图片与真实分割图像有不同的数据分布,通常称为域移位
2、无监督域适应(域迁移)
1)传统方法(TAN):对抗性学习,生成器被训练以产生混淆鉴别器的特征,判别器正确地分类两个域
即分类器将对于源域的样本判断为负类,目标域判断为正类。
总loss = Labv+Lseg
2)问题:当生成器完全骗过判别器时,它只是对齐了两个域的边际分布,而忽略了本地类别级别的分布转移
3、Co-training
1)定义:multi-view learning的一种,构造两个不同的分类器,利用小规模的标注语料&#x