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