论文原文原文地址
Motivations
- 传统的训练方式需要针对不同 domain 的数据分别设计模型，十分繁琐（deploy costs）
- 语义分割数据集标注十分昂贵，费时费力
Contributions
- 本文提出的统一模型可以实现跨领域统一训练
- 模型使用少量的标注数据和大量未标注数据（半监督模型）
网络架构/方法实现
-
基本结构：一个encoder和n个decoder（decoder数量和domain的数量相同）
-
基本设定：假设共有两个数据集domainA和domainB，每个domain中都包含少量有标签的数据和大量无标签的数据
-
具体实现：将不同domain的数据集中有标签的数据汇集为labeled set，无标签的数据集合为unlabeled set。
对于labeled set，使用传统的监督学习的方法，将所有image送入共享的encoder，再根据image所属的域将encoder的输出送入对应的decoder中，与标签对比，用交叉熵函数计算监督损失 \(L_s\)。
对于unlabeled set，先将image送入encoder(F)，再将encoder的输出送入Entropy Module。Entropy Module先将特征图投影到d维(E)，再分别计算与这个image相同或不同domain的label embedding相似度 \(v\)
其中相似度的计算是通过点乘实现的非监督损失分为两个部分：cross dataset entropy loss和within dataset entropy loss
cross dataset entropy loss：
within dataset entropy loss：
总损失：
实验部分
**数据集 :Cityscapes (CS), CamVid (CVD) ,Indian Driving Dataset (IDD) **
Table2: 当N= 100，backbone为resnet18时，此方法在Cityscapes (CS), CamVid (CVD)两个数据集上的表现对比
注：Univ-basic：总损失函数后面两项系数为0，Univ-full：总损失函数最后两项系数均为1
Table3: 当N= 100，N= 50时，backbone为resnet18时，此方法在Cityscapes (CS), CamVid (CVD)两个数据集上的表现对比
注：Univ-basic：总损失函数后面两项系数为0；Univ-cross：总损失函数最后一项系数为0，倒数第二项系数为1；Univ-full：总损失函数最后两项系数均为1
Table4: 当N= 375时，backbone为resnet101时，此方法在Cityscapes (CS)+CamVid (CVD)两个数据集上训练后分别测试的表现
Table5: 当N= 100，N= 1500时，backbone为resnet18，resnet50时，此方法在Cityscapes (CS)+Indian Driving Dataset (IDD) 两个数据集上训练后分别测试的表现
Table6:使用Resnet50作为backbone时，在不同domain上的分割效果展示（CS为自动驾驶数据集，SUN常用于室内景象分割）