极简笔记 Fully Convolutional Adaptation Networks for Semantic Segmentation

极简笔记 Fully Convolutional Adaptation Networks for Semantic Segmentation

文章核心贡献,提出FCAN,探究利用GTA5游戏数据集来训练语义分割网络,并将此网络迁移到真实路况场景下进行测试。
这里写图片描述

FCAN分为两部分,Appearance Adaptation Networks(ANN)和Representation Adaptation Networks(RAN),总结构见上图。GTA5的图像记为source domain,真实街道场景记作target domain。为了解决从source domain训练transfer到target domain引起的domain shift问题,文章提供了两点思路:1. 让source domain图像和target domain图像更加相近;2. 学习domain invariant特征用于语义分割。这两个步骤分别由ANN和RAN完成。
这里写图片描述

ANN详细结构如上图,它的本质是一个风格迁移网络,将白噪声输入网络,以迭代的方式,通过让网络浅层的feature correlation和target domain图像集合 Xt

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值