【论文研读】Category-level Adversaries for Semantics Consistent Domain Adaptation（cvpr2019）

原文链接：Taking A Closer Look at Domain Shift: Category-level Adversaries for Semantics Consistent Domain Adaptation

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