ColorMapGAN: Unsupervised Domain Adaptationfor Semantic Segmentation Using Color MappingGenerative

Tasar O, Happy S L, Tarabalka Y, et al. ColorMapGAN: Unsupervised domain adaptation for semantic segmentation using color mapping generative adversarial networks[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020, 58(10): 7178-7193.

这是遥感图像处理顶级期刊TGRS2020年的文章。

一、研究背景

遥感领域，地面图像虽然当训练数据和测试数据来自相同的分布时，它们的表现非常好，但当光谱之间存在较大差异时，它们的性能就会严重下降。例如，由于光照的不同，同一物体的颜色分布在一天中的不同时间所拍摄的图像中可能会有很大的不同。同样，由于大气的影响，在某些情况下，即使是由相同的卫星传感器收集的图像也可能有非常不同的辐射度。

二、总体框架

总体流程包含四个步骤：
1）预训练：将分割模型在源域数据上进行预训练。预训练后的模型可以在源域图像上很好的分割，但是在目标域上分割性能不佳。（UNet）

2）风格迁移：这个阶段主要采用本文中所提出的ColorMapGan的