利用Uncertainty修正Domain Adaptation中的伪标签

论文题目: Rectifying Pseudo Label Learning via Uncertainty Estimation for Domain Adaptive Semantic Segmentation

论文地址: https://arxiv.org/pdf/2003.03773.pdf

作者：Zhedong Zheng, Yi Yang

代码： https://github.com/layumi/Seg_Uncertainty

 

What:

• 本文研究的是领域迁移问题中错误的伪标签(Pseudo Label)的问题，探讨了如何自动设定阈值来修正这种伪标签学习。

• 之前的伪标签往往通过人为卡阈值(Threshold) 的方式来学高置信度的伪标签(Pseudo Label)，而忽略低置信度的标签。 但是这个阈值(Threshold) 往往很难决定。

• 我们思考如何定这个阈值，其实会发现这个阈值取决于 source 和 target 有多接近，如果source域 和 target 域 完全一样，那么阈值甚至可以卡到0.999，大多数data都有很确定的label，那全部样本都可以拿来训练； 但如果source域 和 target 域 完全不一样， 那么阈值再怎么卡，都没有用，因为所有的pseudo label都是noisy的。

• 所以在做domain adpation的问题就在