《Unsupervised Intra-domain Adaptation for Semantic Segmentation through Self-Supervision》論文筆記

參考代碼：IntraDA 1. 概述 導讀：在分割分割模型的訓練往往需要較多的人工標註數據，但是獲取這些標註的成本是較爲昂貴的，一種較爲廉價的方式就是使用圖形生成器去生成虛擬的訓練數據，之後通過DA（Domain Adapting）的方式進行域遷移，從而使得在真實數據上的效果得到提升。但是這種生成（仿真）數據與真實數據（包含了運用/光照/天氣/陰影等多種因素影響）之間是存在domain gap的，

>>阅读原文<<