-
题名基于原型引导与自适应特征融合的域适应语义分割
- 1
-
-
作者
杨宇宇
杨霄
潘在宇
王军
-
机构
中国矿业大学信息与控制工程学院
-
出处
《智能系统学报》
北大核心
2025年第1期150-161,共12页
-
基金
新一代人工智能国家科技重大专项(2020AAA0107300)
中央高校基本科研业务费专项(2023QN1077).
-
文摘
无监督域自适应技术对于减少计算机视觉任务中的数据标注工作量具有重要意义,尤其在像素级的语义分割中。然而,目标域的特征分布离散和类别不平衡问题,如模糊的类边界和某些类别的样本过少,对无监督域自适应技术构成了挑战。针对上述挑战,本文提出了一种原型引导的自适应特征融合模型。其中,通过引入原型引导的双重注意力网络融合空间和通道注意力特征,增强类内紧凑性。此外,本文提出自适应特征融合模块,灵活调整各特征的重要性,使网络能够在不同的空间位置和通道上捕捉到更加具有类别区分性的特征,进一步提升语义分割性能。在两个具有挑战性的合成-真实基准GTA5-to-Cityscape和SYNTHIA-to-Cityscape上的实验结果证明了本文方法的有效性,展现出模型对复杂场景和不平衡数据的处理应对能力。
-
关键词
深度学习
无监督学习
域适应
语义分割
注意力机制
自训练学习
自适应
迁移学习
原型引导
-
Keywords
deep learning
unsupervised learning
domain adaptation
semantic segmentation
attention mechanism
selftraining learning
self-adaptive
transfer learning
prototype guidance
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
