这篇文章主要是基于对抗+熵图+目标域内自监督。
Pan F, Shin I, Rameau F, et al. Unsupervised intra-domain adaptation for semantic segmentation through self-supervision[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2020: 3764-3773
图1: 我们提出了一种两步自监督域自适应技术用于语义分割。以前的工作只是将分割模型从源域调整到目标域。我们的工作还考虑了目标域内从较为干净的预测图到带有较多噪声预测图的适应。
在本文中,我们提出了一种两步域自适应方法来最小化域间和域内的间隙。我们的模型由三部分组成,如图2所示,即:
图2:提出的自监督领域自适应模型
图二:该模型由三个部分组成,即(a)域间适应,(b)基于熵的排名系统,(c)域内适应。
提出的自监督域自适应模型包含域间生成器和鉴别器{Ginter, Dinter},域内生成