摘要

语义图像分割的域适应非常必要，因为手动标注具有像素级标签的大数据集既昂贵又耗时。现有的域适应技术要么仅适用于有限的数据集，要么在性能上不如监督学习。本文提出了一种新颖的双向学习框架，用于分割任务的域适应。通过双向学习，图像翻译模型和分割适应模型可以交替学习并相互促进。此外，我们还提出了一种自监督学习算法，以学习更好的分割适应模型，并反过来改进图像翻译模型。实验结果表明，我们的方法在分割任务的域适应方面显著优于现有最先进方法。源代码可在 https://github.com/liyunsheng13/BDL 获取。