VALSE 2019 4月12日 上午 第二会场 迁移学习与领域自适应 会议记录

4月12日  上午  第二会场  迁移学习与领域自适应

主持人：杜博——武汉大学

 

题目：Unsupervised and Weakly-supervised Domain Adaptation for Semantic Segmentation

讲者：段立新——电子科技大学

Goal

To apply existing domain knowledge to the learning of a new domain.

Contents

• Background

Brief introduction to domain adaptation

From recognition to semantic segmentation

• Domain adaptation for semantic segmentation

Unsupervised setting: No target annotations exist

Weakly-supervised setting: Image-level annotations exist

• Summary

Background

Domain adaptation目标：将已有的领域知识迁移到另一个领域的学习中。

传统机器学习与领域适应学习分别如下：

领域自适应学习中的关键问题在于：

• 数据的分布不同
• 在目标域中的标签是非常少（甚至没有）

领域适应解决方法层次：

• Instance transfer

目标实例之间的迁移，比如将源领域之内的目标标签（同样也可是语义分割标签等）通过领域适应的方法，迁移到目标域中，并将问题转化为了一个完全监督问题来解决。

例如：将GTAV中的标签通过学习、迁移，最终转换到KITTI或者Cityscapes上，获得目标数据的标签，并以此训练网络。

 

• Feature transfer

学习一个common space，也就是将目标域和源域都进行特征提取，在特征的层面上将两个域进行统一。