《AdaptSegNet：Learning to Adapt Structured Output Space for Semantic Segmentation》论文笔记

青旅半醒 2022-12-14 13:40 114阅读 0赞

参考代码：[AdaptSegNet][]

# 1. 概述 #

> 导读：这篇文章着力于解决模型未见过数据的适应性，一般来讲模型对于与训练集中数据类似的数据表现较好，但是对于未知场景的数据就表现较差了，这也是domain-adaptation需要解决的问题。这篇文章在分割任务下进行了研究，提出在output space（分割softmax输出）上使用GAN网络去拟合两种数据（合成数据与真实数据）分布，此外还提出使用多层GAN监督的形式优化特征的分布。

之前的一些domain adaptation的工作是在feature层次上进行的，但是在分割任务中就显得不是很适合了，这是由于分割任务中的特征编码了高维度的形状/纹理等信息，因而相当复杂，不易adapt。文章通过观察已知数据和未知数据的特点，观察到两种数据在分割结果上更加具有视觉上的一致性，因而在网络的输出（output space）上进行domain adaptation。下图表示的就是这种空间下的相似性：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21fYnVkZHk_size_16_color_FFFFFF_t_70_pic_center]  
文中将整个网络划分成两个部分：分割网络组成的生成器和判别网络。并提出了两个分布拟合策略：

*  1）使用分割输出（softmax概率图）的结果去拟合两个数据的分布；
 *  2）使用多层数据（在多个特征上得到softmax output space）之后再使用GAN去拉近两个分布；

# 2. 方法设计 #

## 2.1 网络结构 ##

文章的网络结构见下图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21fYnVkZHk_size_16_color_FFFFFF_t_70_pic_center 1]  
在上图中可以看到文章的网络由两部分组成：分割网络构成的生成器 G G G与判别器 D i D\_i Di，输入的真实图像与合成图像是 I t , I s ∈ R ( H ∗ W ∗ C ) I\_t,I\_s\\in R^\{(H\*W\*C)\} It,Is∈R(H∗W∗C)，之后得到两个图像的softmax分割概率输出 P t , P s P\_t,P\_s Pt,Ps，之后将这两个概率图输入到判别器网络 D i D\_i Di拉近这两个数据的分布。

## 2.2 单层GAN结构 ##

**判别器的训练：**  
通过生成器得到的概率图为 P t , P s P\_t,P\_s Pt,Ps，其过程为 P = G ( I ) ∈ R ( H ∗ W ∗ C ) P=G(I)\\in R^\{(H\*W\*C)\} P=G(I)∈R(H∗W∗C)，那么拟合这两个分布的GAN损失可以描述为：  
 L d ( P s , P t ) = − ∑ h , w l o g ( D ( P t ) ) + l o g ( D ( P s ) ) L\_d(P\_s,P\_t)=-\\sum\_\{h,w\}log(D(P\_t))+log(D(P\_s)) Ld(Ps,Pt)=−h,w∑log(D(Pt))\+log(D(Ps))

**生成器的训练：**  
此外，还存在合成数据的分割损失：  
 L s e g ( I s ) = − ∑ h , w ∑ c ∈ C Y s ( h , w , c ) l o g ( P s ( h , w , c ) ) L\_\{seg\}(I\_s)=-\\sum\_\{h,w\}\\sum\_\{c\\in C\}Y\_s^\{(h,w,c)\}log(P\_s^\{(h,w,c)\}) Lseg(Is)=−h,w∑c∈C∑Ys(h,w,c)log(Ps(h,w,c))  
再加上真实数据在判别网络下的损失：  
 L a d v ( I t ) = − ∑ h , w l o g ( D ( P t ) ) L\_\{adv\}(I\_t)=-\\sum\_\{h,w\}log(D(P\_t)) Ladv(It)=−h,w∑log(D(Pt))

## 2.3 多层GAN结构 ##

这里的多层是在单层分割输出基础上使用多层特征进行分割，之后再在这些分割结果上进行与单层结构类似的损失计算，因而这里的损失函数可以描述为：  
 L I s , I t = ∑ i λ s e g i L s e g i ( I s ) + λ a d v i L a d v i ( I t ) L\_\{I\_s,I\_t\}=\\sum\_i\\lambda\_\{seg\}^iL\_\{seg\}^i(I\_s)+\\lambda\_\{adv\}^iL\_\{adv\}^i(I\_t) LIs,It=i∑λsegiLsegi(Is)\+λadviLadvi(It)  
整体的优化过程为：  
 max ⁡ D min ⁡ G L ( I s , I t ) \\max\_D\\min\_GL(I\_s,I\_t) DmaxGminL(Is,It)

## 2.4 损失函数 ##

文章的损失函数由分割损失与GAN损失两部分组成，可以其使用的组成形式为：  
 L ( I s , I t ) = L s e g ( I s ) + λ a d v L a d v ( I t ) L(I\_s,I\_t)=L\_\{seg\}(I\_s)+\\lambda\_\{adv\}L\_\{adv\}(I\_t) L(Is,It)=Lseg(Is)\+λadvLadv(It)

# 3. 实验结果 #

GTA5-CityScapes：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21fYnVkZHk_size_16_color_FFFFFF_t_70_pic_center 2]  
SYNTHIA-CityScapes  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21fYnVkZHk_size_16_color_FFFFFF_t_70_pic_center 3]

[AdaptSegNet]: https://github.com/wasidennis/AdaptSegNet
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21fYnVkZHk_size_16_color_FFFFFF_t_70_pic_center]: /images/20221123/8c8bf45f3f364266bbdb168c639a6c35.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21fYnVkZHk_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221123/cc0b25eb15004895bfd6988461e2bb1f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21fYnVkZHk_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221123/a6d23fc11d3a4a6ea30fb637d6f91703.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L21fYnVkZHk_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20221123/3cb048d3888d4f5e8ff715ab9f000bea.png