公开(公告)号：CN112699892B

公开(公告)日：2024-11-08

申请号：CN202110026447.6

申请日：2021-01-08

Applicant: 北京工业大学

Inventor： 王立春 ,  高宁 ,  王少帆 ,  孔德慧 ,  李敬华 ,  尹宝才

IPC: G06V20/70 ,  G06V10/26 ,  G06V10/82 ,  G06V10/44 ,  G06V10/74 ,  G06V10/774 ,  G06N3/088 ,  G06N3/0895 ,  G06N3/09 ,  G06N3/084 ,  G06N3/0464

Abstract: 本发明公开了一种无监督领域自适应语义分割方法，基于源域图像训练神经网络；利用已训练网络计算目标域图像伪标签；利用源域图像和有伪标签的目标域图像重训练网络，进一步提高伪标签准确性，优化网络的泛化能力。本方法通过利用自训练方法，利用已训练网络提取高置信度的目标域伪标签，弥补了目标域缺少监督信息的缺点，与其他方法相比，丰富了目标域数据的信息，提升网络对目标域数据的学习能力；本方法着重考虑了基于类别的域间差异，针对源域和目标域的预测进行类相关性度量，约束两个域的类相关性一致，减小了两个域类级别的域间差异，提高了网络的泛化能力，本发明的性能优于其他无监督领域自适应语义分割方法。

公开(公告)号：CN112699892A

公开(公告)日：2021-04-23

申请号：CN202110026447.6

申请日：2021-01-08

Applicant: 北京工业大学

Inventor： 王立春 ,  高宁 ,  王少帆 ,  孔德慧 ,  李敬华 ,  尹宝才

IPC: G06K9/34 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明公开了一种无监督领域自适应语义分割方法，基于源域图像训练神经网络；利用已训练网络计算目标域图像伪标签；利用源域图像和有伪标签的目标域图像重训练网络，进一步提高伪标签准确性，优化网络的泛化能力。本方法通过利用自训练方法，利用已训练网络提取高置信度的目标域伪标签，弥补了目标域缺少监督信息的缺点，与其他方法相比，丰富了目标域数据的信息，提升网络对目标域数据的学习能力；本方法着重考虑了基于类别的域间差异，针对源域和目标域的预测进行类相关性度量，约束两个域的类相关性一致，减小了两个域类级别的域间差异，提高了网络的泛化能力，本发明的性能优于其他无监督领域自适应语义分割方法。