毛 威，高宏力

（西南交通大学机械工程学院，四川 成都610031）

1 引言

语义分割是视觉研究的核心问题，相关实际应用如自动驾驶［1］、故障诊断［2-3］、车辆检测［4］对其需求不断增长。语义分割的目标是为图像的每个像素分配语义标签。现有基于深度神经网络的图像语义分割方法的训练需要大量标记数据，这些数据的收集和标记成本高昂，这很大程度上限制了此类方法的实际应用。为解决此问题，这里使用成本较低的计算机生成并标记的逼真的合成数据训练深度网络。但真实图像与合成图像在分布域上存在的差异会降低模型性能，因此这里使用一种对抗学习方法来实现域自适应，以解决上述问题。

又由于语义分割输出空间包含空间信息和局部信息（如空间布局和局部环境）。且即使在不同域的输入图像外观迥异的情况下，语义分割输出仍可能存在许多相似性。因此，这里采用在输出空间上进行像素级域自适应的方法。在此基础上，这里于不同级别的输出空间构建多级域自适应网络以提升模型性能。

具体来说，这里采用的域自适应方法是基于卷积神经网络的端到端算法。在输入空间上，通过对抗学习实现源域与目标域所预测的标签分布的近似。基于对抗生成网络［5］，这里使用的模型由两部分组成，一部分是语义分割模型用以预测分割结果，另一部分是判别器网络用以判断其输入是源自目标域还是源域的语义分割输出。……