基于多层级领域自适应网络和置信度约束的道路场景语义分割方法

摘要

语义分割旨在为图像中的每个像素分配一个类别标签，在自动驾驶领域具有广泛的应用。在实际应用中，在某个场景训练的语义分割模型无法有效地应用到其他场景，这成为实际应用中的一个关键问题，像素级域内自适应方法已被证明是一种解决此问题的有效方法。然而，这种方法不能有效地利用空间位置信息，并且容易受到噪声伪标签的影响。为了解决这些问题，本文首先提出了多层级领域自适应网络和置信度约束的方法，同时利用空间先验知识提出了阈值方法，提高了在域内自适应中使用伪标签的质量。在“GTA5到Cityscapes”和“SYNTHIA到Cityscapes”任务中，相较于基准方法本文所提方法分别实现了6.5%和2.8%的性能提升。

关键词

道路场景 / 语义分割 / 领域自适应 / 自训练 / 对抗学习