Unsupervised Domain Adaptation for Semantic Segmentation via Class-Balanced Self-Training摘要Loss 函数
摘要最近的深度网络在各种语义分割任务上实现了最先进的性能。尽管取得了这些进展，但这些模型经常面临现实世界“wild tasks”中的挑战，其中存在标记的训练/源数据与看不见的测试/目标数据之间的巨大差异。特别地，这种差异通常被称为“域间隙”，并且可能导致显着降低的性能，这通过进一步增加表示能力而不能容易地补救。无监督域适应（UDA）试图在没有目标域标签的情况下克服这种问题。在本文中，我们提出了一...
