All about Structure: Adapting Structural Information across Domains for Boosting 语义分割代码流程

code：https://github.com/a514514772/DISE-Domain-Invariant-Structure-Extraction

1、代码流程如下，backbone是deeplabv2,以res101为骨干网络，不过可以看到在layer3和4，该程序修改了原始的res101的layer3和4，原始的分别是2倍下采样，这里改成了空洞卷积，并且不下采样，同时在这两个层输出预测，也就是两个分支都是分割预测，也都参与计算loss，而layer3和4的输出接上并行的空洞率[6、12、18、24]，padding也是[6、12、18、24]的卷积，保证输出依然不变，还是[32,64],输入图像crop和resize到256*512输入的，然后直接对32*64的upsample得到256*512计算分割loss；而Ec的维度32*64*2048和Ep的维度1*8，D解码器将Ec和Ep输入，将Ep全连接成256，再加上flag表示源域重建还是目标域重建，1表示目标域，在通道上和Ec连接得到32*64*(2048+256+1),然后通过反卷积8倍上采样，同时通道变成3，输出重建后的256*512*3的结果，计算自重建和交叉重建的loss；