基于深度学习的无监督领域自适应语义分割算法综述

摘要：

随着现代生活逐步智能化,越来越多的应用需要从图像中推断相应的语义信息再进行后续的处理,如虚拟现实、自动驾驶和视频监控等应用.目前的语义分割模型利用大量标注数据进行有监督训练能达到理想的性能,但模型对与训练数据不同分布的数据进行推理时,其性能严重下降.这意味着一旦应用场景发生变化,就需对新场景的数据进行标注.模型重新利用新数据进行训练,才能达到正常的性能.这无疑是耗时的、代价昂贵的.为此,领域自适应语义分割算法提供了解决模型在分布不一致数据上语义分割性能下降问题的思路.总结了领域自适应语义分割算法的前沿进展,并对未来研究方向进行展望.

关键词：领域自适应、语义分割、深度学习

所属期刊栏目：50

分类号：TP391.4(计算技术、计算机技术)

资助基金：浙江省自然科学基金项目;宁波市泛计划

在线出版日期：2024-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1-9