基于注意力残差空洞卷积的遥感图像域自适应分割方法OA

无监督域自适应图像分割方法在无需额外标记成本的情况下,能有效对齐不同域数据特征,助力分割模型迁移至其他域数据集。当前主流的对抗训练,采用全局对齐策略,易致部分类别错误映射;基于自训练的方法则存在因错误伪标签引发错误迭代的弊端。为解决这些问题,本文提出一种带注意力机制的对抗网络,融合不同层次特征信息,使每个类别与不同层次空间的自适应对抗损失相匹配。同时创新性地结合自训练与域对抗学习,减轻错误伪标签在迭代中的负面影响。在遥感领域的土地覆盖域自适应语义分割的LoveDA数据集上的实验表明,相较于域自适应分割模型WPST,本文AAST-Net方法在mIoU指标上性能提升2.8%,展现出更优的有效性。