(北京交通大学计算机与信息技术学院 北京 100044) (16120377@bjtu.edu.cn)
出版日期: 2020-04-01基金资助:中央高校基本科研业务费专项资金(2017JBZ108)A Semantic Segmentation Method of Traffic Scene Based on Categories-Aware Domain Adaptation
Jia Yingxia, Lang Congyan, Feng Songhe(School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044)
Online: 2020-04-01Supported by:This work was supported by the Fundamental Research Funds for the Central Universities (2017JBZ108).摘要/Abstract
摘要： 图像语义分割作为机器视觉领域一个重要研究问题，其目的是对一张彩色图像中的每个像素点进行分类，将图像中每个像素预测其对应的语义标签.现有的基于全监督学习的语义分割方法依赖于精准标注的训练样本；现有的基于弱监督、半监督学习的分割方法虽然可以融入未标记样本，但由于缺少对空间语义信息的有效利用，常出现语义不一致或类别错分现象，且难以直接应用于其他的跨域无标注数据集.针对跨域无标注数据集语义分割问题，提出一种基于领域自适应的图像语义分割方法.其中，提出的方法首先通过采用优化上采样方法和提出基于focal loss的损失函数，有效改进了现有方法中数据量较小的类别难以被正确分割的问题；其次，通过有效利用所提出的类别相关的领域自适应方法，来解决不同数据集跨域语义分割问题，使无标注图像的语义分割平均交并比较现有方法的均值提升6%.提出的方法在5个数据集上进行验证实验，实验结果充分表明了方法的有效性和泛化性.
参考文献
相关文章 5
| [1] | 周华兵, 侯积磊, 吴伟, 张彦铎, 吴云韬, 马佳义. 基于语义分割的红外和可见光图像融合[J]. 计算机研究与发展, 2021, 58(2): 436-443. |
| [2] | 卓君宝, 苏驰, 王树徽, 黄庆明. 最小熵迁移对抗散列方法[J]. 计算机研究与发展, 2020, 57(4): 888-896. |
| [3] | 王财勇, 孙哲南. 虹膜分割算法评价基准[J]. 计算机研究与发展, 2020, 57(2): 395-412. |
| [4] | 刘欢, 郑庆华, 罗敏楠, 赵洪科, 肖阳, 吕彦章. 基于跨域对抗学习的零样本分类[J]. 计算机研究与发展, 2019, 56(12): 2521-2535. |
| [5] | 王晓燕, 陈晋川, 郭小燕, 杜小勇. 基于Nash-Pareto策略的自动数据分布方法及支持工具[J]. 计算机研究与发展, 2015, 52(9): 1965-1975. |
PDF全文下载地址:
https://crad.ict.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4167
