语义分割背景下UDA（无监督域自适应）的三个方向

一、基于对抗学习

AdaptSegNet是经典的基于对抗学习的域适应方法。这一类方法训练一个判别器来使得目标域的分布在像素空间（output space)或者特征空间(feature map)上进行对齐（AdaptSegNet证明语义分割任务而言，在像素空间上的对齐优于特征空间），从而使得分割模型的性能从源域泛化到目标域上。除了AdaptSeg之外，这一方向上的经典工作还有：

1、FCNs in the wild: Pixel-level adversarial and constraint-based adaptation（2016 CVPR） 

原文： https://arxiv.org/abs/1612.02649

数据集：Cityscapes、SYNTHIA、GTA5

Hoffman J, Wang D, Yu F, et al. Fcns in the wild: Pixel-level adversarial and constra