クラス問題:クロスドメインセマンティックセグメンテーションに対する細粒敵対アプローチ【JST・京大機械翻訳】

Wang Haoran; Shen Tong; Zhang Wei; Duan Lingyu; Mei Tao

プレプリント

J-GLOBAL ID：202202213827200830 整理番号：22P0172348

クラス問題:クロスドメインセマンティックセグメンテーションに対する細粒敵対アプローチ【JST・京大機械翻訳】

Classes Matter: A Fine-grained Adversarial Approach to Cross-domain Semantic Segmentation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2020年07月17日プレプリントサーバーでの情報更新日： 2020年07月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

教師つき意味セグメンテーションにおける大きな進歩にもかかわらず,野生のモデルを展開するとき,通常,大きな性能低下が観察される。ドメイン適応法は,ソースドメインとターゲットドメインを整列させることで問題に取り組む。しかし,ほとんどの既存の方法は,ターゲットドメインにおける根底にあるクラスレベルデータ構造を無視して,全体的観点からアラインメントを実行することを試みた。ソースドメインにおける監視を完全に利用するために,クラスレベル特徴アラインメントのための細粒広告学習戦略を提案し,一方,ドメイン間の意味論の内部構造を保存する。ドメイン識別器として機能するだけでなく,クラスレベルでドメインを差別化する細粒ドメイン識別子を採用した。また,従来のバイナリドメインラベルを,微細粒特徴アラインメントを導くための監視信号としてドメイン符号化に一般化した。クラスセンター距離(CCD)による解析は,著者らの微細粒敵対戦略が,他の最先端の方法と比較して,より良いクラスレベルアラインメントを達成することを実証した。提案手法は実装が容易であり,その有効性を3つの古典的領域適応タスク,すなわち,GTA5から都市景観,SYNTHIAから都市景観,および都市景観への交差City,に関して評価した。大きい性能利得は,著者らの方式が他のグローバル特徴アラインメントベースとクラスワイズアラインメントベースの対応物より優れていることを示した。このコードはhttps://github.com/JDAI CV/FADAで公開されている。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能

, ,

前のページに戻る