基于深度学习的无监督领域自适应语义分割算法综述

引言

语义分割是计算机视觉的基础任务之一，它为图像的每个像素进行类别预测，目的是将图像分割成若干个带有语义的感兴趣区域，以便后续的图像理解和分析工作，推动了自动驾驶、虚拟现实、医学影像分析和卫星成像等领域的发展。近几年来，语义分割模型的性能有着巨大的提升。然而，模型的性能依赖于大量人工标注的训练数据，这些数据的标注是十分耗时且代价昂贵的，纯人工标注一张图的时间甚至可能超过一个小时。即使现在使用半自动化标注工具自动生成一部分标注，可以减少标注的时间，但仍然需要人工去调整和检查自动生成的标注。语义分割模型需要在与训练数据分布一致的数据上才能获得优异的性能，而为另一不同分布的数据进行语义标注的代价很大。

本文详细内容请下载：

https://www.chinaaet.com/resource/share/2000005825

作者信息：

应俊杰1，2，楼陆飞1，2，辛宇1，2

（1.宁波大学 信息科学与工程学院， 浙江 宁波315211；2.浙江省移动网应用技术重点实验室，浙江 宁波315211）