图引导的特征融合和分组对比学习的域自适应语义分割OA北大核心CSTPCD
在无监督域自适应语义分割任务中,有效地融合源域和目标域的特征以及解决不同类别像素数量分布不均衡的问题是提升跨域语义分割网络性能的关键。为了充分融合源域和目标域的特征,建立源域和目标域之间的长距离上下文关系,本文构建了双跨域图卷积网络,利用图卷积来引导源域和目标域的特征进行融合。本文分别构造了跨域位置相似矩阵和通道相似矩阵,提出了跨域位置图卷积和跨域通道图卷积。为了解决数据集中存在的类不平衡问题,同时提取到更多域不变特征,本文提出了分组对比学习策略…查看全部>>
赵伟枫;谢明鸿;张亚飞;李华锋
昆明理工大学信息工程与自动化学院,昆明650500昆明理工大学信息工程与自动化学院,昆明650500昆明理工大学信息工程与自动化学院,昆明650500 昆明理工大学云南省人工智能重点实验室,昆明650500昆明理工大学信息工程与自动化学院,昆明650500 昆明理工大学云南省人工智能重点实验室,昆明650500
计算机与自动化
图卷积对比学习语义分割域自适应
《数据采集与处理》 2024 (1)
P.154-166,13
国家自然科学基金(62161015,61966021)。
评论