中文引用格式: 應(yīng)俊杰,樓陸飛,辛宇. 基于深度學(xué)習(xí)的無(wú)監(jiān)督領(lǐng)域自適應(yīng)語(yǔ)義分割算法綜述[J]. 電子技術(shù)應(yīng)用,2024,50(1):1-9.
英文引用格式: Ying Junjie,Lou Lufei,Xin Yu. A survey of unsupervised domain adaptive semantic segmentation algorithms based on deep learning[J]. Application of Electronic Technique,2024,50(1):1-9.
引言
語(yǔ)義分割是計(jì)算機(jī)視覺的基礎(chǔ)任務(wù)之一,它為圖像的每個(gè)像素進(jìn)行類別預(yù)測(cè),目的是將圖像分割成若干個(gè)帶有語(yǔ)義的感興趣區(qū)域,以便后續(xù)的圖像理解和分析工作,推動(dòng)了自動(dòng)駕駛、虛擬現(xiàn)實(shí)、醫(yī)學(xué)影像分析和衛(wèi)星成像等領(lǐng)域的發(fā)展。近幾年來(lái),語(yǔ)義分割模型的性能有著巨大的提升。然而,模型的性能依賴于大量人工標(biāo)注的訓(xùn)練數(shù)據(jù),這些數(shù)據(jù)的標(biāo)注是十分耗時(shí)且代價(jià)昂貴的,純?nèi)斯?biāo)注一張圖的時(shí)間甚至可能超過(guò)一個(gè)小時(shí)。即使現(xiàn)在使用半自動(dòng)化標(biāo)注工具自動(dòng)生成一部分標(biāo)注,可以減少標(biāo)注的時(shí)間,但仍然需要人工去調(diào)整和檢查自動(dòng)生成的標(biāo)注。語(yǔ)義分割模型需要在與訓(xùn)練數(shù)據(jù)分布一致的數(shù)據(jù)上才能獲得優(yōu)異的性能,而為另一不同分布的數(shù)據(jù)進(jìn)行語(yǔ)義標(biāo)注的代價(jià)很大。
本文詳細(xì)內(nèi)容請(qǐng)下載:
http://ihrv.cn/resource/share/2000005825
作者信息:
應(yīng)俊杰1,2,樓陸飛1,2,辛宇1,2
(1.寧波大學(xué) 信息科學(xué)與工程學(xué)院, 浙江 寧波315211;2.浙江省移動(dòng)網(wǎng)應(yīng)用技術(shù)重點(diǎn)實(shí)驗(yàn)室,浙江 寧波315211)